Essonne (91) : une IA pour optimiser le renouvellement des réseaux d’eau
Créée en 2016, Cœur d’Essonne Agglomération est née de la fusion de la Communauté d’Agglomération du Val d’Orge et de la Communauté de Communes de l’Arpajonnais. Elle rassemble aujourd’hui 203 000 habitants et 21 communes.
Depuis 2019, la régie Eau Cœur d’Essonne assure la gestion publique de l’eau potable sur un territoire auparavant divisé entre les sociétés Suez et Veolia.
Pour améliorer la gestion patrimoniale de ses réseaux, la régie a adopté HpO, un outil d’intelligence artificielle développé par Altereo.
Renouvellement des canalisations à Leuville-sur-Orge en 2023. Crédit photo : Eau Cœur d’Essonne
Un des défis majeurs pour une régie publique, c’est d’articuler innovation et contraintes budgétaires. L’IA nous offre une aide précieuse pour hiérarchiser nos investissements, mais elle ne remplace pas l’expertise humaine. La clé, c’est de croiser ces outils avec une vraie connaissance du terrain pour prendre les meilleures décisions possibles.
L'interview
Comment ce projet de plan de renouvellement des réseaux d’eau potable et de recherche ciblée des fuites s’est-il imposé à Eau Cœur d’Essonne ?
Erwan Kolb : Notre régie est relativement récente. En 2019, elle a repris la gestion de l’ensemble du territoire, qui était auparavant divisé entre deux contrats de délégation (Suez et Veolia). L’enjeu était d’harmoniser les outils et de définir une stratégie patrimoniale efficace. L’un des défis était de structurer une base de données fiable, notamment en consolidant les historiques de fuites et d’interventions. Pour cela, nous avons d’abord exploité les données historiques de Suez et les modèles statistiques publics (IRSTEA, INRAE) afin de construire un premier plan de renouvellement. C’est dans ce contexte que nous avons identifié HpO d’Altereo comme une solution pertinente pour affiner nos analyses et optimiser les décisions d’investissement.
Comment fonctionne la solution d’intelligence artificielle HpO ?
Erwan Kolb : Ce modèle de machine-learning exploite l’historique des défaillances pour identifier les sections à risque. Nous avons défini des critères prioritaires (diamètre, criticité, mutualisation des chantiers) qui orientent les recommandations du modèle. La solution a également l’avantage d’intégrer des mises à jour régulières, ce qui permet d’ajuster les prévisions en fonction des nouvelles défaillances observées sur le terrain. Ainsi, HpO ne se contente pas d’anticiper les fuites, il aide aussi à prioriser les interventions en fonction des besoins stratégiques du territoire.
Une étude de faisabilité ou d’impact a-t-elle été réalisée ?
Erwan Kolb : Nous avons transmis nos données à Altereo pour validation. L’outil s’est révélé très performant sur le Nord du territoire, où nous disposions d’un historique de plus de 40 ans. En revanche, sur le Sud, les données étaient trop récentes (3-4 ans), ce qui a limité la pertinence des prévisions. L’efficacité du modèle repose sur la qualité des données patrimoniales.
Quels sont les principaux sujets à maîtriser avant de se lancer dans un projet de ce type ?
Erwan Kolb : Il est essentiel de disposer d’un historique détaillé des réseaux, idéalement sur plus de 10 ans. La connaissance patrimoniale est la clé du succès : il faut collecter des données précises sur les défaillances, les matériaux utilisés, les conditions d’installation et les réparations effectuées. Une collectivité doit anticiper ces coûts pour garantir leur rentabilité à long terme. Par ailleurs, il est indispensable de disposer d’une équipe technique interne capable de gérer ces outils et de les intégrer aux plans de gestion patrimoniale existants.
Comment ce projet a-t-il été financé ?
Erwan Kolb : L’Agence de l’eau Seine-Normandie a financé 80 % de l’étude.
