RINA - Démonstrateur d’utilisation de l’intelligence artificielle pour la gestion opérationnelle des risques naturels gravitaires géologiques | FEREC 2020

Livrable – Projet RINA – AAP Fondation Ferec / Novembre 2021 3/20 Résumé de l’étude : Le projet RINA proposé dans le cadre de l’AAP 2020 de la Fondation Férec (Intelligence arti- ficielle appliquée aux infrastructures en service) vise à étudier la faisabilité de l’utilisation de l’intelligence artificielle (IA) dans le contexte des risques géologiques. Sur un site test instable, les données d‘observation de l’aléa rocheux et les données climatiques (température, précipi- tation) sont analysées à l’aide des outils d’intelligence artificielle. L’objectif est de proposer une puissante aide à la décision aux exploitants des réseaux routiers et ferroviaires afin de main- tenir la qualité de service sur les infrastructures de transport menacées par des aléas rocheux lors d’événements météorologiques intenses. Trois types de modèles d’apprentissage automatique ont été mis en œuvre (les plus proches voisins, les arbres de décision et les réseaux de neurones) pour construire des modèles pré- dictifs de chutes de blocs en lien avec les précipitations sur la Route du Littoral (RN1) à la Réunion. La performance des modèles a été évaluée à l’aide de plusieurs métriques : le rappel, la précision et l’exactitude pondérée et a été comparée à celle de la règle experte utilisée de façon opérationnelle par le service des routes. Les modèles d'arbres de décision et les réseaux de neurones fournissent des résultats similaires à ceux de la règle experte avec des compro- mis différents entre rappel et précision, la règle experte se situant entre les 2. Plusieurs perspectives au projet RINA ont été dressées. Sur le site d’étude, d’autres dévelop- pements plus poussés peuvent être envisagés : d'autres modèles d'arbres de décision ou de réseaux neuronaux peuvent être dérivés en fonction de la taille des blocs éboulés car les processus de déclenchement sont différents entre les petits et les gros blocs. La question du transfert de ces modèles d'IA sur d'autres périodes avec moins d'éboulements (comme la pé- riode 2008-2020 sur le site de la RN1 à la Réunion) pourrait être conduite pour évaluer la capacité de prédiction des modèles avec beaucoup moins d'événements. La dernière pers- pective concerne deux sujets qui sont des thèmes de recherche plus larges au sein de la communauté de l'IA : la question de l'explicabilité des modèles d'IA et le transfert des modèles par apprentissage sur d'autres sites. Ces deux sujets sont au centre du projet « C2R-IA » déposé à l’AAPG 2022 de l’ANR au sein de l’axe H.16 : Interfaces : mathématiques, sciences du numérique – sciences du système Terre et de l’environnement. Les développements réalisés dans le cadre du projet RINA ainsi que les résultats obtenus sont présentés de façon synthétique dans ce rapport. En annexe, figurent deux rapports réalisés dans le cadre du projet RINA : celui d’un stage de Master 2 orienté Risques Rocheux et celui du contrat orienté IA réalisé par un ingénieur de recherche. Les partenaires du projet RINA souhaitent remercier la Fondation Ferec pour avoir subven- tionné ce projet et ainsi initié une dynamique forte entre acteurs du risque rocheux et de l’in- telligence artificielle. Ils remercient sincèrement le Conseil Régional de la Réunion qui a mis à disposition la base de données de chutes de blocs collectée sur la Route Nationale 1 de la Réunion ainsi que les données pluviométriques. Ce travail a été mené dans le cadre du projet national C2ROP (Chute de blocs, Risque Rocheux et Ouvrages de Protection) et les parte- naires de RINA remercient l’IREX et INDURA pour leur soutien ainsi que les maitres d’ou- vrages SNCF et CD 73.