Introduction
Pour une régie africaine, l’intelligence artificielle (IA) n’est pas d’abord une technologie spectaculaire. C’est un moyen de réduire un délai, repérer une anomalie ou prioriser une tournée à partir de données disponibles. Elle peut examiner volumes pompés, pressions, incidents, qualité de l’eau ou ouvrages d’assainissement. Elle ne transforme pas des mesures incomplètes en vérité : une alerte n’est pas une preuve de fuite et un score ne déclare pas une eau potable. La démarche commence par une décision, un registre fiable et une vérification par les équipes. Cet article présente des cas d’usage, une méthode progressive et une feuille de route en 30, 60 et 90 jours, sans promettre de résultats garantis.
Pourquoi l’IA peut être utile aux services d’eau et d’assainissement
Une régie peut pomper, traiter et distribuer de l’eau sans connaître exactement la part qui arrive au compteur client. L’eau non facturée est l’écart entre l’eau introduite et l’eau facturée, dû notamment aux fuites ou aux erreurs de comptage. La mesurer aide à orienter les vérifications, mais une carte ne corrige pas ces causes.
La qualité de l’eau doit rester une démarche de santé publique. Les objectifs sanitaires locaux, la gestion préventive des risques de la source au consommateur et la surveillance indépendante restent essentiels. Un système peut signaler une dérive de turbidité, de chlore résiduel ou de conductivité ; il ne doit pas conclure seul à la potabilité.
L’assainissement doit être suivi comme une chaîne complète, y compris dans les quartiers non raccordés : contenant, accès, vidange, transport, traitement et destination finale. Les regards, fosses, drains et exutoires méritent la même attention que les conduites d’eau potable.
Cinq cas d’usage concrets
1. Prioriser les recherches de fuite
Commencez par un bilan de secteur : volume d’entrée, volumes facturés, pression, heures de pompage et incidents. Une règle peut repérer une consommation nocturne anormalement élevée ou une chute de pression. Ensuite, un modèle statistique peut apprendre le niveau habituel selon le jour, la saison et la pression.
Le résultat est une alerte priorisée, pas une preuve. L’agent vérifie les vannes, branchements, compteurs et travaux récents avant toute fermeture de conduite. Pour une petite structure, un tableur et quelques compteurs fiables peuvent suffire au départ. Il faut aussi distinguer les pertes physiques des erreurs de facturation.
2. Prévoir la demande et organiser le pompage
Une prévision horaire ou journalière peut aider à programmer le pompage, remplir un réservoir avant une pointe ou anticiper un besoin de chlore. Elle peut intégrer volumes historiques, coupures, calendrier, température, pluies, jours de marché et événements locaux.
Une prévision doit afficher un intervalle ou un niveau de confiance. Une valeur unique donne une impression de précision excessive. Des données météorologiques ouvertes peuvent compléter les observations locales, mais il ne faut pas confondre prévision météo et consommation réelle.
Pour l’énergie, comparez volume pompé, hauteur manométrique, temps de marche, niveau du réservoir et énergie consommée. Les kWh par mètre cube peuvent signaler une dérive. Une optimisation peut proposer des plages de marche, mais les seuils physiques et la décision finale restent sous le contrôle d’un opérateur.
3. Surveiller la qualité de l’eau
Un registre utile rassemble la date, le point de prélèvement, les coordonnées, l’heure, la méthode, l’opérateur, la température, la turbidité, le pH, le chlore résiduel, la conductivité et, lorsque disponible, le résultat microbiologique.
Une détection d’anomalie peut repérer une valeur improbable, une dérive ou une rupture de série. Elle déclenche alors un second prélèvement et une vérification du dosage, du réservoir ou d’une intrusion. Pour les petites adductions, une règle transparente est souvent préférable à un modèle opaque. Chaque mesure critique doit conserver son instrument, sa calibration, son unité et sa validation par le laboratoire ou le responsable qualité.
4. Cartographier le réseau et l’assainissement
Une carte opérationnelle peut réunir conduites, vannes, réservoirs, pompes, points d’eau, regards, fosses, itinéraires de vidange, zones inondables et exutoires. En y associant incidents, pentes, habitat et plaintes, les équipes obtiennent une base pour organiser une tournée.
Un système d’information géographique (SIG) permet de stocker, croiser et représenter ces données géolocalisées. QGIS offre l’édition, l’analyse et la création de cartes imprimables. La valeur de la carte dépend toutefois des coordonnées, noms, dates et couches sources : un branchement absent de la base restera absent de l’analyse.
5. Organiser les interventions terrain
Un formulaire mobile peut imposer des listes contrôlées, capturer un GPS et joindre une photo. Testez-le avec les agents, notamment lorsque la connexion est instable : un champ incompréhensible produit des données artificielles.
Chaque alerte devrait avoir un responsable, un délai, une action de vérification et un statut : nouvelle, confirmée, fausse, réparée ou non résolue.
Une méthode accessible, avec ou sans code
Choisissez d’abord une décision mesurable : quelles rues inspecter demain, quel volume pomper ou quels exutoires vérifier après une pluie ?
Créez un registre minimal dans un CSV ou un tableur : identifiant, date et heure, secteur, volume, pression, niveau, incident, coordonnées, agent, source et commentaire. Ajoutez la qualité de donnée : mesurée, estimée, corrigée ou manquante. Ne remplacez jamais l’originale.
Avant l’analyse, contrôlez doublons, unités incohérentes, dates impossibles, GPS hors zone, compteurs négatifs et valeurs estimées. Un rapport de complétude vaut mieux qu’une moyenne calculée sur des relevés absents.
Commencez par une référence simple : moyenne mobile pour la demande, seuil fixe pour les fuites, limites réglementaires pour la qualité. Comparez toute solution complexe à cette référence et ne la conservez que si elle améliore une décision à coût acceptable.
Indicateurs à suivre et limites à documenter
Suivez peu d’indicateurs, en précisant unité, fréquence, source et responsable. Le taux de fuite confirmée correspond aux alertes confirmées divisées par les alertes inspectées. Le délai de réparation va de la détection validée à la remise en service. Pour la continuité, mesurez les heures de service par zone et par jour.
Pour la demande, rapprochez l’erreur absolue moyenne de l’intervalle de prévision. Pour la qualité, regardez conformité, valeurs manquantes, délai entre prélèvement et résultat et incidents ouverts. Pour l’assainissement, suivez points inspectés, fosses vidangées, trajets tracés, temps de réponse et exutoires contrôlés.
Un historique biaisé peut faire croire qu’un quartier connaît moins d’incidents simplement parce qu’il les signale moins. L’IA peut aussi produire une fausse alerte, manquer une fuite, extrapoler hors de son domaine ou être trompée par des données manipulées. Distinguez clairement automatisation, prédiction, génération de texte ou de cartes, et aide à la décision. Aucun de ces niveaux ne supprime la responsabilité de la régie.
Confidentialité, cybersécurité et supervision humaine
Les coordonnées GPS, photos et historiques peuvent exposer des ménages, des agents ou des infrastructures critiques. Limitez les accès, utilisez des comptes individuels, chiffrez les sauvegardes, activez l’authentification à deux facteurs et journalisez les exports. Prévoyez une copie hors ligne.
Séparez le réseau de supervision du Wi-Fi bureautique, testez les mises à jour, vérifiez les sauvegardes et désactivez par défaut l’accès distant. Ne publiez pas les plans détaillés des conduites ni les commandes opérationnelles.
La supervision humaine doit pouvoir contester et annuler une recommandation. Une génération de texte peut résumer un rapport, mais aussi inventer une cause ; elle ne doit pas rédiger seule un avis sanitaire. Pour une eau potentiellement contaminée, la procédure, le laboratoire et le responsable sanitaire priment sur le modèle.
Feuille de route en 30/60/90 jours
Jours 1 à 30 : rendre le problème visible
Nommez un responsable, choisissez un secteur pilote et inventoriez compteurs, réservoirs, pompes, points d’eau, conduites et ouvrages d’assainissement. Créez le dictionnaire de données, le formulaire terrain, la carte de base et le registre des incidents. Mesurez la complétude et les temps de réponse sans promettre encore une IA.
Jours 31 à 60 : tester une décision
Choisissez la priorisation des fuites ou la prévision de demande. Construisez une référence simple, comparez les alertes aux inspections et documentez les faux positifs. Formez au moins les agents nécessaires pour reprendre le processus sans dépendre d’un fournisseur. N’ajoutez météo ou niveaux que si leur qualité et leur fréquence sont suffisantes.
Jours 61 à 90 : décider de l’extension
Évaluez les effets observés sur l’eau, l’énergie, les déplacements, les délais et la qualité des décisions. Auditez les accès et sauvegardes. Rédigez une fiche du modèle avec variables, date de mise à jour, limites et responsable. N’étendez que si le pilote est reproductible et acceptable pour les agents.
FAQ
L’IA peut-elle détecter une fuite avec certitude ?
Non. Elle peut prioriser une inspection à partir d’un seuil, d’une anomalie ou d’un historique. La fuite doit être confirmée sur le terrain avant toute intervention.
Faut-il installer des capteurs coûteux pour commencer ?
Pas nécessairement. Un registre fiable, quelques compteurs disponibles, un formulaire mobile et une carte de référence peuvent constituer un premier pilote. L’infrastructure doit suivre le besoin démontré.
Une alerte de qualité suffit-elle à déclarer l’eau impropre ?
Non. L’alerte déclenche une vérification et, si nécessaire, un prélèvement complémentaire. La décision sanitaire relève de la procédure applicable, du laboratoire et du responsable compétent.
Quel outil utiliser pour la collecte et la cartographie ?
Le guide cite KoboToolbox pour les formulaires et la collecte, et QGIS pour le SIG. Le choix doit rester adapté aux compétences, à la connectivité, à la sécurité et à la capacité de maintenance de la régie.
Conclusion : commencer petit, mesurer et rester maître de la décision
L’IA pour les réseaux d’eau peut aider une régie à repérer les anomalies et à relier eau potable et assainissement. Sa réussite dépend moins d’un modèle sophistiqué que de données documentées, d’une boucle d’action claire et d’agents capables de vérifier les recommandations. Commencez par une décision, un secteur et une référence simple. Mesurez les erreurs, protégez les données et rendez les décisions critiques réversibles. Pour lancer le pilote, réunissez terrain, qualité, exploitation et informatique autour d’un premier indicateur et d’un contrôle humain.
Sources
- [The Challenge of Reducing Non-Revenue Water in Developing Countries — Banque mondiale](https://openknowledge.worldbank.org/entities/publication/a4518772-6b4c-5bda-b6ce-52ac65c14c5a)
- [Drinking-water quality guidelines — Organisation mondiale de la Santé](https://www.who.int/teams/environment-climate-change-and-health/water-sanitation-and-health/water-safety-and-quality/drinking-water-quality-guidelines)
- [Sanitation — Organisation mondiale de la Santé](https://www.who.int/news-room/fact-sheets/detail/sanitation)
- [QGIS User Guide](https://docs.qgis.org/latest/en/docs/user_manual/index.html)
- [KoboToolbox Support](https://support.kobotoolbox.org/)
- [Open-Meteo Weather Forecast API documentation](https://open-meteo.com/en/docs)