Aujourd’hui en France, les services d’eau doivent faire face à de nombreux défis. Le vieillissement des réseaux d’eau potable implique des besoins croissants de renouvellement renforcés par le contexte de raréfaction de la ressource en eau et par l’augmentation des coûts de l’énergie. Pour garantir la qualité et la continuité du service d’alimentation en eau potable des Franciliens, il est donc essentiel pour le SEDIF d’optimiser les investissements de renouvellement de son réseau en ciblant les canalisations les plus à risque.

Le projet mené avec Altereo développe, à partir de données patrimoniales intégrant les conduites et branchements, un outil combinant des algorithmes de modélisation par apprentissage automatique (« machine learning ») et des méthodes de fouille de données (« data mining »). Ses résultats conduisent à définir des familles de canalisations à risque, qui seront désormais utilisées pour établir des programmes optimisés de renouvellement des canalisations.

Dans ce cadre, il s’agit de répondre à la question « Quelles sont les canalisations qui présentent le plus grand risque de défaillance et qu’il est nécessaire de renouveler en priorité ? ». L’objectif final est de permettre au SEDIF d’appuyer ses choix stratégiques et techniques pour assurer la gestion durable du service. Le projet de recherche intègre des composantes nouvelles liées au changement climatique, en étudiant par exemple l’influence de la température sur les casses des canalisations.