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

6/20 Livrable – Projet RINA – AAP Fondation Ferec / Novembre 2021 1. CONTEXTE ET OBJECTIFS DU PROJET RINA En montagne, les infrastructures de transport sont exposées à des risques gravitaires (ébou- lements rocheux, laves torrentielles, avalanches de neige) qui peuvent entraîner leur fermeture ainsi que des dommages significatifs aux biens et aux personnes. Dans un contexte de chan- gement climatique, on constate une recrudescence des événements gravitaires en lien avec la remontée de la limite pluie-neige et la recrudescence d’événements pluvieux violents. Les acteurs du risque rocheux, fédérés au sein du projet national C2ROP, ont réalisé des avancées considérables sur la gestion du risque depuis 2015. Le projet RINA vient enrichir cette dyna- mique en investiguant l’utilisation de l’IA. Le projet vise à développer des modèles prédictifs basés sur l’IA pour maintenir la qualité de service sur les infrastructures de transport menacées par des événements rocheux lors d’épi- sodes météorologiques intenses. Il s’agit de permettre aux gestionnaires d’infrastructures d’anticiper une évolution défavorable de l’aléa afin de mettre en œuvre des dispositifs de miti- gation des risques (limitation d’accès, surveillance, mobilisation de kits d’urgence, mainte- nance prédictive). Les données météorologiques et d’observation de l’aléa rocheux disponibles sont de plus en plus massives avec les progrès technologiques des moyens de mesure. Les radars météoro- logiques fournissent des données à haute fréquence temporelle à l’échelle d’un massif. Con- cernant l’aléa rocheux, des technologies récentes (radars terrestres, scanners laser ou photo- grammétrie) fournissent une information spatialisée des mouvements. Dans ce contexte, des défis se posent dans l'intégration des caractéristiques multi-physiques de ces données, qui sont nécessaires pour fournir une compréhension cohérente et une prédiction fiable des phé- nomènes et de leurs impacts. Les approches standards reposant sur la détermination de mo- dèles multi-échelles et multi-physiques sont assez complexes pour intégrer les couplages ther- miques, hydriques et mécaniques et leur capacité est limitée à couvrir des échelles allant du site au bassin de risque. Compte tenu du volume et de la variété des données, des approches issues de l’IA et de la « data science » (en particulier l’apprentissage automatique et sa branche « deep learning ») semblent être un moyen prometteur pour induire des données elles-mêmes des modèles prédictifs du risque. Les verrous scientifiques de ce projet résident dans le traitement de données massives (multi- sources, fréquences d’acquisition différentes) en géosciences par IA. Par ailleurs, le potentiel réel des méthodes associant l’IA pour des applications pratiques en géosciences n’a pas en- core été démontré. Enfin, les chutes de blocs sont des évènements rares ce qui rend l’entrai- nement des modèles plus difficiles. Dans le cadre du projet RINA, les résultats attendus concernent une preuve de concept des modèles IA pour la prédiction des chutes de blocs en lien avec les facteurs climatiques. En particulier, trois points sont à établir : • Définition des données et de leurs traitements pertinents, • Identification des méthodes d’Intelligence Artificielle pertinentes, • Pertinence de l’analyse prédictive par IA avec comparaison des résultats et des faits. Au-delà du démonstrateur, le projet RINA a pour ambition d’établir une base technique et scientifique pour la soumission d’un projet à l’AAPG 2022 de l’ANR, en complémentarité du montage de la suite du PN C2ROP.