Le réchauffement climatique accentue le stress hydrique mondial, rendant la gestion de nos ressources en eau plus cruciale que jamais. À l’avant-garde de cette bataille, CLS et ses experts en data science et en hydrologie spatiale développent des solutions innovantes pour cartographier les réservoirs d’eau avec une précision sans précédent.
Aujourd’hui, nous avons rencontré Jérémy Augot, Data Scientist au sein du Data Lab de CLS, pour découvrir comment l’intelligence artificielle (IA) révolutionne la cartographie de la bathymétrie (topographie des fonds), l’estimation des volumes des réservoirs et par conséquent une meilleure gestion de nos ressources en eau.
Question : Jérémy, quelle problématique principale est rencontrée par les experts en gestion de l’eau dans le contexte actuel de réchauffement climatique ?
Jérémy Augot : Le réchauffement climatique intensifie le stress hydrique, impactant la disponibilité et la gestion de l’eau à l’échelle mondiale. Une gestion optimisée de nos réseaux et réservoirs d’eau est donc indispensable. Pour cela, nous devons connaître précisément le volume de ces réservoirs, ce qui nécessite des informations détaillées sur leur surface et leur bathymétrie (topographie des fonds).
Q : Pourquoi est-il plus facile de cartographier la surface des réservoirs que leur bathymétrie ?
Jérémy Augot : La surface des réservoirs peut être observée efficacement grâce aux systèmes d’observation satellitaire utilisant des images optiques ou radar ce que nos experts en hydrologie spatiale font depuis plusieurs décennies de façon automatique. Cependant, la bathymétrie, qui correspond à la topographie immergée des lacs et réservoirs, pose plus de difficultés car les données nécessaires ne sont pas toujours disponibles.
Q : Comment l’IA et les experts en data science de CLS interviennent-ils dans ce contexte ?
Jérémy Augot : C’est ici que l’IA et notre expertise en data science entrent en jeu. Nous avons développé une méthode basée sur le Deep Learning, entraînant un réseau de neurones pour générer la bathymétrie des réservoirs. Notre force réside dans la combinaison de compétences en IA et en hydrologie spatiale. La connaissance approfondie des données sur l’eau détenue par nos experts nous permet d’entraîner le réseau de neurones avec précision, offrant une représentation juste et fiable de la topographie des réservoirs étudiés.
Q : Pouvez-vous nous expliquer comment vous reconstruisez artificiellement mais avec justesse la bathymétrie des réservoirs ?
Jérémy Augot : Nous reconstruisons la bathymétrie en utilisant le contexte topographique des berges et des environs des réservoirs, parfois tenant compte du relief alentours jusqu’à plusieurs kilomètres de distance des réservoirs étudiés. Cela dépend de leurs tailles. En combinant ces données contextuelles avec notre modèle de Deep learning, nous pouvons estimer avec précision la topographie sous-marine des réservoirs, le saint graal pour estimer le volume : données clé pour une gestion efficace de nos ressources en eau.
Q : Combien de réservoirs aves vous d’ores et déjà cartographiés ?
Jérémy Augot : Jusqu’à présent, nous avons testé notre approche sur des zones bien connues en France et en Espagne, couvrant 70 réservoirs. Nous avons calibré notre modèle, en utilisant les volumes connus de ces réservoirs. Aujourd’hui, nous sommes techniquement capables de générer la bathymétrie pour toute surface d’eau dans le monde, à condition de disposer des données topographiques environnantes. La transition à l’échelle mondiale nécessite un cycle de validation plus extensif, en cours.
Q : Quel impact personnel ce projet a-t-il eu sur vous ?
Jérémy Augot : Travailler sur ce projet a été extrêmement gratifiant. J’ai eu l’occasion de participer à toutes les étapes, de la recherche initiale à la mise en service de l’IA. Collaborer avec les experts en hydrologie de CLS a été un privilège. Leur connaissance approfondie des données est cruciale pour le succès de notre IA, et cela a été extrêmement stimulant intellectuellement et un grand plaisir de travailler avec des personnes aussi compétentes.
Q : Pouvez-vous nous parler de votre parcours ?
Jérémy Augot : J’ai étudié à CentraleSupélec et j’ai réalisé un double diplôme en Australie à l’Université de Queensland, où je me suis spécialisé en IA et en Deep Learning. J’ai intégré CLS depuis plus de quatre ans maintenant, attiré par l’opportunité d’appliquer l’IA à la protection de l’environnement et par l’accès à des quantités de données et une puissance de calcul exceptionnelles.
Q : Comment l’accès aux nouvelles technologies influence-t-il votre travail chez CLS ?
Jérémy Augot : L’accès aux technologies de pointe, comme celles liées au cloud, nous permet de développer des compétences essentielles en data science. Cela est crucial pour déployer des applications concrètes et utilisables facilement par nos communautés d’utilisateurs. Dans le cadre de la transformation digitale de CLS, nous contribuons à fournir des données de pointe sur des plateformes accessibles par tous, partout dans le monde.
Conclusion : Vers une Gestion Optimisée et durable de l’Eau
Grâce à des talents comme Jérémy Augot, aux experts en hydrologie spatiale de CLS et à des technologies innovantes, CLS mène la charge pour une gestion durable des ressources en eau. En combinant IA et expertise hydrologique, nous progressons vers une compréhension et une protection indispensable de nos réservoirs d’eau, essentiels pour l’avenir de notre planète.
Le Datalab de CLS
Le DataLab de CLS est une structure interne d’innovation transverse au sein du groupe CLS, constituée de data scientists, de développeurs et d’ingénieurs en Big Data.
Son objectif principal est de développer des produits logiciels de transformation des données à grande échelle et de création de connaissances venant s’ajouter aux données brutes. Ces transformations algorithmiques sont basées sur de l’Intelligence Artificielle notamment au travers de l’apprentissage machine (ML – Machine Learning, DL Deep Learning). Le Datalab propose l’utilisation de solutions innovantes pour résoudre des problèmes complexes ou, dans bien des cas, explore de nouvelles techniques repoussant l’état de l’art.
Notre DataLab regroupe ainsi dans une même entité des compétences diverses ayant trait au traitement de données et au Machine Learning : visualisation de données, apprentissage machine supervisé ou non supervisé, apprentissage profond, modèle récurrents ou directs …
Les équipes du DataLab ne se contentent pas seulement de comprendre ces technologies, mais elles les mettent en œuvre pour répondre aux besoins métiers des clients du groupe.
Regis Rauzy, Responsable du Data Lab de CLS : « Chez CLS, nous comprenons que la technologie n’est pas une fin en soi, mais un moyen d’atteindre des objectifs plus vastes. Nos équipes sont organisées pour apporter l’IA, le Machine Learning et le Deep Learnnig aux experts de domaines variés évoluant dans la surveillance de l’environnement, la gestion durable des pêches, la sécurité maritime, les énergies et les infrastructures ou encore la mobilité. Nous avons ainsi intégré dans notre organisation les data scientists au sein de nos directions commerciales, au plus proche de nos clients et des besoins métiers. Ensemble, nous construisons des ponts entre la donnée de masse et les spécialistes de terrain, permettant une compréhension approfondie et éclairée des activités que nous observons. »
