L’intelligence artificielle s’intègre dans tous les secteurs de l’eau
Tandis que les technologies du numérique s’installent dans tous les domaines de l’eau, la quantité de données collectées par les collectivités croit de manière exponentielle. Ainsi, avec la multiplication des informations disponibles, le recours à des technologies de gestion de la donnée (machine learning, intelligence artificielle, .. .) se démocratise. Plusieurs exemples sur des thématiques en lien avec l’eau potable, l’assainissement ou encore la gestion des eaux pluviales ont été mis en avant au cours du forum SWAN, (Smart Water Network – 15 et 16 mai 2019 - Miami) :
Prévision de consommation :
De nombreux facteurs, heure de la journée, période de l’année, lieu, météo, impactent l’utilisation de l’eau. Les systèmes de gestion de la production doivent également prendre en compte dans leurs prévisions les réseaux complexes, maillés et les sources d’approvisionnement multiples. Vitens, principal gestionnaire d'eau potable des Pays-Bas, a mis en œuvre le système Aquasuite de la société Royal HaskoningDHV pour traiter ses données de consommation et établir des prédictions sur 72 h. Ainsi, en utilisant la prévision de consommation, le système permet de programmer le pompage au niveau des points de prélèvement et d’optimiser le fonctionnement des stations de pompage pour répondre aux besoins de chaque zone.
Prédiction de casses sur les canalisations :
La société VODA.ai analyse toutes les données correspondant à l’historique des ruptures. Elles croisent ensuite ces données avec des informations sur les caractéristiques des canalisations (âge, matériau, taille, emplacement, longueur, pression, …) et de l’environnement (changements de température, précipitations, humidité, type de sol, activité sismique, élévation, circulation, …). Après nettoyage des données, l’algorithme permet une estimation du risque de rupture.
Gestion des eaux pluviales :
Dans le cadre du programme Green City, Clean Waters, Philadelphie (Pennsylvanie) a adopté en 2011 un programme sur 25 ans visant à réduire les rejets directs dans le milieu naturel.
En complément des mesures destinées à inciter les propriétaires à favoriser les infiltrations et des renouvellements de canalisations, en novembre 2016, la ville a opté pour le système OptiNimbus et l’a mis en place sur une zone industrielle possédant un bassin de rétention des eaux pluviales. Le système surveille en continu les prévisions météo et le niveau d'eau dans le bassin. Lorsqu’une pluie est prévue, la vanne de sortie du bassin se ferme automatiquement. Après la précipitation, le logiciel mesure le niveau d'eau dans le bassin et ouvre la vanne pour libérer graduellement l'eau à un débit optimal que le système d’assainissement peut traiter.
Au cours des 212 premiers jours suivant l'installation, environ 51 cm de pluie sont tombés sur le site. Grâce au système Opti, la ville a empêché 10 000 m3 de s'écouler dans le réseau d’assainissement pendant la tempête. L’ensemble des mesures prises par la ville ont permis d’éviter le rejet direct au milieu naturel de 5,6 millions de m3 d’effluents non traités.
Inspection des canalisations :
Les sociétés Hitachi et Jacobs se sont associés pour développer une nouvelle solution qui utilisera l’analyse vidéo basée sur l’intelligence artificielle pour identifier et coder automatiquement les défauts du réseau d’assainissement.
Les développements sont en cours et les sociétés se concentrent dans un premier temps sur l’identification de deux des défauts les plus courants, les fissures longitudinales et les dépôts graisseux.
- optimisation du traitement des eaux usées :
La ville de Guelph au Canada économise près de 20% de ses coûts énergétiques en traitement des eaux usées grâce à la technologie mise en œuvre par la société EMAGIN. Cette société utilise l’intelligence artificielle pour optimiser le fonctionnement des stations d’épuration.
La technologie permet ainsi, en prenant en compte l’ensemble des données disponibles, de jouer sur :
- des recommandations prédictives (minimisation des coûts énergétiques, amélioration du dosage des produits chimiques, maximisation de la production de biogaz…)
- de la maintenance prédictive
- de la gestion des alertes en cas d’évènements extrêmes, pour s’adapter de manière proactive au changement climatique.
Le système est capable de tirer des leçons des données climatiques passées pour prédire comment gérer les événements extrêmes et fournir des prévisions sur la manière d’atténuer leurs conséquences à l’avenir.
La description des exemples présentés et les synthèses des échanges des deux jours du forum sont disponibles ici.