L’intelligence artificielle au service de la prospective patrimoniale des réseaux d’eau potable. Le cas du logiciel PRISM - INRA - Institut national de la recherche agronomique Accéder directement au contenu
Article Dans Une Revue TSM. Techniques Sciences Méthodes – Génie urbain, génie rural Année : 2024

Artificial intelligence at the service of asset forecasting for drinking water networks. The case of PRISM software

L’intelligence artificielle au service de la prospective patrimoniale des réseaux d’eau potable. Le cas du logiciel PRISM

Résumé

Asset foresight consists in the search for asset policies, i.e. management strategies for drinking water networks, that reflect a mix of maintenance and investment actions offering the best trade-off between performance and costs. The aim of this article is to improve asset management practices for drinking water networks, in a context of low data availability, using artificial intelligence and more specifically Prism, a software solution supported by public grants. The performance indicator studied in this article is network efficiency i.e. the proportion of water produced that is distributed, and then therefore not lost “in transit”. First, an innovative methodology will be presented to better characterize the origin of water losses. This information will then be fed into the Prism software, which will compare the utilities current practice with a status quo solution, and then with effective asset management policies, which it will estimate using a “costbenefit” approach. The results of this article are based on empirical studies carried out in four French local authorities. They provide valuable information for improving the estimation of network water losses. The proposed methodology, carried out by Prism software, also improves the search for alternative asset management policies and provides an innovative decision-making aid for drinking water network managers.
La prospective patrimoniale consiste en la recherche de politiques patrimoniales, à savoir des stratégies de gestion des réseaux d’eau potable, qui traduisent un mix entre des actions de maintenance et d’investissement qui offrent le meilleur compromis entre la performance et le coût. L’article vise à faire évoluer les pratiques en termes de gestion patrimoniale des réseaux d’eau potable, dans un contexte de faible disponibilité des données, à partir de l’intelligence artificielle et plus précisément à l’aide du logiciel PRISM qui est une solution logicielle issue de la recherche publique. L’indicateur de performance étudié dans cet article est le rendement de réseau, à savoir la part de l’eau produite qui est réellement distribuée, et donc non perdue « en route ». Dans un premier temps, sera présentée une méthodologie innovante pour mieux caractériser l’origine des pertes en eau. Ces informations viendront « nourrir » le logiciel PRISM qui comparera la pratique actuelle du service à une solution de statu quo, puis à des politiques patrimoniales efficaces qu’il estimera, selon une approche « coûts-bénéfices ». Les résultats de cet article sont issus d’études empiriques réalisées sur quatre collectivités en France. Ils permettent, tout d’abord, de fournir une information précieuse pour améliorer l’estimation des pertes d’eau en réseau. La méthodologie proposée, adossée au logiciel PRISM, améliore également la recherche de politiques patrimoniales alternatives et constitue une aide à la décision innovante pour les gestionnaires de réseaux d'eau potable.
Fichier principal
Vignette du fichier
islandora_171437.pdf (1.26 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04649022 , version 1 (15-07-2024)

Identifiants

  • HAL Id : hal-04649022 , version 1

Citer

Amir Nafi, François Destanau. L’intelligence artificielle au service de la prospective patrimoniale des réseaux d’eau potable. Le cas du logiciel PRISM. TSM. Techniques Sciences Méthodes – Génie urbain, génie rural, 2024, 4, pp.63-75. ⟨hal-04649022⟩
0 Consultations
0 Téléchargements

Partager

Gmail Mastodon Facebook X LinkedIn More