Durabilité des conduites en galerie – Cas de la fonte grise et de la fonte ductile

1. Le contexte

La thèse DUCT-G s’inscrit dans le cadre du projet de chaire REFONDRRE qui vise à créer un écosystème réunissant des acteurs de l’eau (collectivités locales, services de l’eau), l’Engees et Saint-Gobain PAM Canalisation (SGPAM) pour favoriser la recherche et la co-construction de connaissances dans le domaine de la gestion patrimoniale des réseaux d’eau potable. L’Engees en tant que porteur scientifique de la chaire souhaite poursuivre ses recherches en gestion patrimoniale et en intelligence artificielle en mobilisant ses connaissances en matière d’utilisation de réseaux de neurones déjà acquises dans des projets antérieurs.

La thèse DUCT-G consolide la collaboration initiée entre Eau de Paris et Saint-Gobain sur l’amélioration de la connaissance patrimoniale du réseau parisien et l’étude de sa dégradation. La thématique de ce projet qui implique Eau de Paris (EdP) et SGPAM est l’étude du comportement des conduites de distribution en eau potable installées en galerie et plus particulièrement celui du réseau de la ville de Paris. L’enjeu principal de la thèse est de caractériser le comportement des conduites dans un contexte de faible disponibilité de données, ce qui constitue un défi scientifique mais également un enjeu managérial pour EdP. La pose en galerie offre des avantages non négligeables en termes d’accès à la conduite et en termes d’inspection facilitant son diagnostic. Cependant, l’accès aux galeries et la coexistence d’autres réseaux adjacents à celui de la distribution de l’eau potable peut constituer un facteur de risque favorisant une dégradation prématurée ou l’occurrence d’évènements susceptibles de heurter physiquement les conduites. D’autres facteurs environnants peuvent également constituer des causes de dégradation comme la présence de H₂S ou d’autres substances chimiques ou gazeuses. De plus la pose en galerie soulève la question de la stabilité structurelle et physique des conduites du fait qu’elles soient suspendues et maintenus par des dispositifs spécifiques, ces dispositifs peuvent céder ou se détériorer pouvant donc causer la rupture totale ou partielle de la conduite. L’analyse va au-delà des conduites et intègre dans l’analyse des causalités la dégradation des éléments support et ceux servant à la fixation des conduites.

Les derniers recensements réalisés par Eau de Paris semble montrer que 50 % des conduites sont en fonte ductile et 50 % sont en fonte grise pour un réseau d’une longueur d’environ 2600 km. Le réseau parisien date des années 1858 où la pose en galerie est généralisée notamment à la suite des travaux d’aménagement de Paris initiés par le baron HAUSSMANN. En 1878 Pont-à-Mousson devient fournisseur exclusif en conduite en fonte, il existe une relation historique entre la ville de Paris et l’entreprise Pont-à-Mousson (aujourd’hui SGPAM).

Les récents travaux menés conjointement entre Eau de Paris et SGPAM sur l’inventaire des conduites montre une réelle difficulté de datation des conduites et de leurs matériaux. Malgré l’existence de livre de compte sur les livraisons de conduites, il persiste un doute sur la durée de vie des premières fontes sur la période 1858 à 1925 à savoir : est-ce que les livraisons ont servi à l’extension du réseau ou au renouvellement de certaines conduites déjà endommagées. Il ressort de son constat un réel enjeu en termes de connaissance patrimoniale afin de caractériser les matériaux fonte en fonction de l’évolution technologique : fonte coulée, fonte centrifugée et la fonte ductile à partir des années 1960. Comme le réseau parisien est visitable, des approches d’inspection peuvent être appliquée pour le diagnostic des réseaux existants, ainsi il existe un réel enjeu scientifique afin de combiner entre des approches d’inspection et des approches d’analyse de données basées sur l’intelligence artificielle mais aussi sur l’analyse des matériaux par échantillonnage de section de conduites.

2. La problématique, hypothèses et questions de recherche

Les enjeux scientifiques sont nombreux et portent sur plusieurs aspects. Il s’agit de répondre à des questions de recherche et vérifier des hypothèses. Pami les hypothèses fortes de cette recherche est la suivante : la durabilité des conduites en fonte posées en galerie serait plus élevée- voire presque doublée- par rapport à des conduites posées en terre.  Le premier champ d’investigation concerne la connaissance patrimoniale des conduites, des organes hydrauliques, des supports de fixation, des joints, mais également sur l’environnement de pose des conduites. Il s’agit de collecter les informations et données permettant de comprendre les mécanismes de dégradation pour les conduites posée en galerie mais également celle posées en terre pour avoir des éléments factuels de comparaison. Ainsi ces informations peuvent constituer des variables explicatives à certains phénomènes.

La première question de recherche concerne la consolidation de la connaissance patrimoniale : comment peut ont améliorer la connaissance patrimoniale à partir des archives de la ville de Paris et de SGPAM sur l’identification des matériaux ?  Existent-t-ils des moyens modernes permettant une surveillance ou un diagnostic des conduites sans nécessite d’inspection pédestre ? Est-il possible de constituer une base de connaissance patrimoniale à partir des inspections existantes ou à réaliser ?

La seconde question concerne la prise de décision dans un contexte de faible disponibilité de données patrimoniales.  Comment pallier le manque de données ? Quelles approches utilisées pour vérifier et consolider les données existantes ? A partir du moment où ces données sont stabilisées, il nécessaire de s’interroger sur le modèle de causalité à expliciter. Quelles sont les dégradations à prendre en compte ? Sont-elles liées à l’exploitation du réseau ou à d’autres facteurs ? En d’autres termes qu’est ce qui peut expliquer la dégradation ? Quelles sont les variables endogènes et exogènes au patrimoine qui peuvent expliquer la dégradation ou la durabilité de ce patrimoine. Avant d’aller chercher les méthodes à mobiliser, il est nécessaire d’identifier ce qui peut être qualifié de cause(s) et ce qui peut être considéré comme effet(s) ou conséquence(s). L’explicitation de la causalité dépend des acteurs de ce projet, un travail d’explicitation des besoins et des objectifs de cette recherche est donc nécessaire. Un autre travail doit également se faire sur les méthodes pour identifier ces causalités. Nous pouvons citer des approches statistiques basées sur l’étude de corrélation entre variables, des approches issues de l’économétrie mais aussi des approches issues de l’intelligence artificiel comme les approches d’apprentissage supervisé ou non supervisé. Cette partie cherche donc à répondre aux questions suivantes : Quel est le modèle de causalité à construire ? Quelles sont les variables à prendre en compte et pour quel type de patrimoine ? Est-ce que les approches d’explicitation des causalités sont les mêmes pour tous types de patrimoine ? Est-ce qu’il existe des modèles théoriques de dégradation structurelle des conduites en fonte posées en galerie ? Comment ce modèle théorique pourrait être validé par les données disponibles même en faible quantité ? Il y a un réel enjeu scientifique de valider des modèles avec peu de données mais aussi un intérêt pour le décideur afin de l’orienter malgré le manque de données. Le but est de définir la tendance ou la trajectoire afin d’orienter la décision publique.

La troisième question de recherche concerne les livrables de la recherche, il semble que l’enjeu est la durabilité des conduites d’eau potable. Ainsi, un des livrables de cette recherche est le développement/construction d’un modèle d’aide à la décision capable de prédire la durée de vie des conduites en fonction d’un ensemble de variables explicatives comme le matériau des conditions de pose, de l’environnement de pose, etc. Des modèles existent déjà, nous devons vérifier leur pertinence par rapport à notre objet d’étude mais aussi leurs limites. L’autre enjeu est également de vérifier s’il existe une différence significative en termes de durée de vie entre des conduites en fonte posées en galerie et celle posée en terre mais également entre les conduites en fonte et celles en fonte ductile ?

3. La méthodologie

La recherche devra mêler entre approches déductives et inductive. L’enjeu est de pouvoir faire émerger des causalités non encore explicitées, de capitaliser le savoir-faire des partenaires Eau de Paris et SGPAM et leur expertise dans l’analyse des dégradations.  La méthodologie devra mobiliser des approches issues de :

• Analyse de la bibliographie dans le domaine de la distribution de l’eau potable et d’autres réseaux utilisant des conduites en fonte dans un contexte français mais également à l’international
• Partage des données, traitement et stockage des données
• L’analyse des données et de leur complétude
• L’analyse structurelle (matériaux) d’échantillons de patrimoine : conduites, fixations, joints, raccords
• Recherche de modèle théorique de dégradation structurelle : estimation de l’épaisseur, modèle de corrosion, dégradation des revêtements
• L’analyse des causalités : approches par arbres de décisions, analyse de corrélation, régressions et intelligence artificielle
• L’analyse de survie et estimation des durées de vie, autres méthodes d’estimation comme l’analyse bayésienne par exemple.

4. Les tâches à réaliser
   1. DUCT- G-1 : Analyse de la bibliographie et état de l’art .

a) Bibliographie

En raison de la faible disponibilité de données sur le domaine de recherche, l’analyse de la bibliographie existante est un prérequis indispensable.

Les études et données disponibles à Eau de Paris seront mises à disposition et devront être croisées avec des recherches bibliographiques intégrant les domaines de la métallurgie, la corrosion, les matériaux et composés de la fonte, les techniques de pose, règles métiers et couvrir le domaine national comme international.

En raison du manque de données, la recherche sera également orientée vers la bibliographie portant sur les réseaux de transport et de distribution de gaz pour trouver des solutions de repli.

L’analyse, la plus exhaustive possible, couvrant la pose en galerie et en terre et en assurant une veille bibliographique pour une identification des travaux les plus récents concernant :

b) Causes de défaillances/dégradations :

•  Revêtement: Étude des matériaux de revêtement utilisés, leur durabilité et leur résistance à la corrosion ou à d'autres formes d'usure.

•  Conduites: Analyse des matériaux constitutifs des conduites, leur composition, leur résistance structurelle et leur propension à la corrosion ou à d'autres formes de dégradation.

•  Joint: Évaluation des joints utilisés pour l'assemblage des conduites, leur durabilité et leur étanchéité au fil du temps.

•  Supports: Investigation des supports de fixation des conduites, leur conception, leur résistance mécanique et leur influence sur la stabilité des conduites.

•  Environnement en galerie : Étude des conditions environnementales spécifiques à la pose en galerie, telles que l'humidité, la composition du sol, la présence de gaz corrosifs, etc., et leur impact sur la durabilité des conduites.

•  Actions d'exploitation: Analyse des opérations d'entretien et de maintenance du réseau, des pressions exercées sur les conduites pendant leur exploitation, et leur effet sur la dégradation des matériaux.

• Identification des données nécessaires à la mise en place d’un observatoire des désordres et d’enregistrement informatisé des défaillances/dégradations par l’exploitant au niveau de l’objet technique

Cette tâche sera supervisée par l'Engees, avec pour objectif l'identification de modèles de dégradation spécifiques aux conduites en fonte, ainsi que des solutions de remplacement en cas de manque de données.

c) Identification des travaux de recherche mobilisant l'analyse des données et l'apprentissage supervisé, notamment les réseaux de neurones appliqués à la gestion patrimoniale :

•           Veille bibliographique et recherche des travaux les plus récents portant sur l'utilisation de méthodes d'analyse des données et d'apprentissage supervisé pour la gestion patrimoniale des réseaux d'eau potable.

•           Mise en œuvre d'approches telles que les réseaux de neurones pour modéliser la dégradation des conduites en fonte et identifier les variables les plus influentes.

•           Supervision de cette tâche par ICube (SDC) avec pour critères de réussite l'identification de modèles de dégradation pouvant être appliqués aux conduites en fonte.

1. 2. DUCT-G-2 : Partage et stockage des données

 Cette tâche fait le lien avec « DATA » et s’assure de la mise en place de procédures pour le partage des données. A noter que par rapport à « DUCT-E » d’autres éléments de patrimoine sont à inventorier et pour lesquels des données sont renseignées : les supports de fixation, les joints, l’environnement de la conduite, etc. La standardisation des protocoles et des modèles de données est essentielle pour garantir un partage sécurisé et efficace des données patrimoniales, ainsi que pour optimiser le stockage et faciliter le traitement ultérieur de ces données. Cette tâche implique plusieurs étapes cruciales :

1. Développement de protocoles standardisés: Élaboration de protocoles normalisés pour la collecte, le stockage et l'échange de données patrimoniales entre les différents acteurs impliqués. Cela garantira la cohérence et l'interopérabilité des données.
2. Modélisation des données: Création de modèles de données normalisés pour représenter de manière cohérente les informations relatives au patrimoine des réseaux d'eau potable. Cela facilitera la structuration et la compréhension des données pour tous les intervenants.
3. Étude des techniques de partage et de stockage des données: Analyse des différentes méthodes et technologies disponibles pour le partage et le stockage sécurisés des données patrimoniales, en tenant compte de la diversité des systèmes d'information des acteurs impliqués.
4. Résolution des verrous techniques: Identification et résolution des obstacles techniques liés au partage et à l'intégration des données collectées, en s'assurant de leur compatibilité avec les systèmes existants.

Cette tâche sera supervisée par ICube (SDC), Eau de Paris et Saint-Gobain PAM Canalisation, avec pour objectif la création d'une structure de base de stockage et un format d'échange standardisés. Le succès de cette initiative dépendra de la capacité à mettre en place des protocoles et des modèles de données efficaces. En cas d'échec, des mesures correctives pourront être prises, telles que le changement de protocole d'échange ou le recours à des processus manuels pour certaines opérations de traitement des données, afin de garantir la continuité des activités.

1. 3. DUCT-G-3 : Analyse de complétude des données 

L'analyse de complétude et des corrélations entre les variables patrimoniales est une étape cruciale dans le processus de gestion des données. Cette tâche vise à :

1. Analyser la complétude des données: Identifier les lacunes et les données manquantes dans les ensembles de données patrimoniales, en utilisant des techniques d'analyse statistique et des méthodes de data mining.
2. Mobiliser des approches de Data Mining: Utiliser des techniques de data mining pour compléter les données manquantes en extrapolant à partir des données disponibles et en appliquant des modèles prédictifs.
3. Étudier les corrélations entre variables: Analyser les relations et les corrélations entre les différentes variables patrimoniales pour comprendre les interactions et les dépendances entre elles.
4. Utiliser des approches d'apprentissage pour étudier les causalités: Appliquer des techniques d'apprentissage automatique pour explorer les relations causales entre les variables patrimoniales, en identifiant les facteurs qui influent sur les dégradations ou les défaillances des infrastructures.

Cette tâche sera supervisée par ICube (SDC), avec une forte implication de l'Engees et de SGPAM canalisation, et elle sera étroitement liée à la macro-tâche "DATA" qui concerne la préparation et la gestion des données. Le succès de cette tâche dépendra de la capacité à mettre en évidence des corrélations significatives entre les variables, grâce à des modèles statistiques et des algorithmes d'apprentissage automatique. En cas d'échec, des stratégies de secours pourront être mises en œuvre, telles que l'utilisation de causalités issues de travaux de recherche existants ou d'articles scientifiques pour compléter les analyses.

1. 4. DUCT-G-4 :Analyse des données

Analyse des corrélations pour conduites, supports-amarrages, revêtements mobilisation des approches issues de l’économétrie, l’analyse de corrélation et celles issues de l’intelligence artificielle.  L’objectif de cette tâche est la construction d’un premier modèle de causalité.

1. 5.  DUCT-G-5 :Données supplémentaires à collecter & échantillonnage

L'analyse de complétude des données et des causes de dégradation peut révéler la nécessité de collecter des variables supplémentaires pour mieux comprendre le phénomène de dégradation des conduites en fonte ductile. Dans cette perspective, il est crucial de formuler des recommandations aux acteurs de l'eau afin d'améliorer leurs systèmes d'information et de recueillir un maximum de données pertinentes pour expliquer ce phénomène de manière plus exhaustive. Pour ce faire, des échantillons de conduites pourront être analysés afin de mieux appréhender les causes de dégradation, en tenant compte des spécificités de chaque contexte partenaire. Il est donc nécessaire de définir des protocoles spécifiques à l’échantillonnage des éléments de patrimoine à analyser et de constituer des échantillons qui permettront d’améliorer la connaissance du comportement en galeries. Il sera également primordial de réfléchir aux analyses à effectuer et à la manière dont les données seront stockées, en vue de créer l'embryon de l'observatoire patrimonial des conduites d'eau. Cette tâche sera supervisée conjointement par Saint-Gobain PAM Canalisation, l'Engees et ICube (SDC), afin d'assurer une approche multidisciplinaire et une collaboration étroite entre les différents acteurs impliqués. En cas de difficultés ou d'échec dans la collecte des données, des solutions alternatives pourront être envisagées, telles que la génération de données artificielles à partir des données existantes ou partielles, afin de pallier les lacunes et de garantir la robustesse des analyses effectuées.

1. 6. DUCT-G-6 : Comportement dans les galeries et dégradation structurelle

Compréhension des modèles de dégradation physico-chimique des conduites, des supports, des revêtements, des conduites en fonte grise, en fonte ductile et d’autres matériaux. Il s’agit de tenter d’expliquer les causes de dégradation structurelle intérieure et extérieur par le recours à l’analyse de matériaux et de conduites excavées. Les services d’eau partenaires de la chaire pourront alimenter un échantillon de conduites en fonte ductile qui pourront être analysées par Saint-Gobain PAM ou d’autres laboratoires d’analyse afin d’identifier les causes possibles de dégradation. Il est nécessaire de faire le lien avec les tâches de DUCT-E en raison de similitudes en termes de problématique, de méthodologie et de mécanismes de dégradation.

1. 7. DUCT-G-7 : Modèles de prédiction : causalités et estimation des durées de vie et validation des modèles à partir du terrain ou retour d'expériences

L'analyse des corrélations entre les conduites, les supports-amarrages et les revêtements est essentielle pour comprendre les interactions et les relations entre ces différents éléments du réseau d'eau potable. Cette tâche vise à mobiliser différentes approches, notamment celles issues de l'économétrie, de l'analyse de corrélation et de l'intelligence artificielle, pour construire un modèle de causalité robuste. Voici les objectifs et les approches envisagées pour cette tâche :

1. Objectif principal: Construire un premier modèle de causalité pour comprendre les relations entre les conduites, les supports-amarrages et les revêtements, en identifiant les facteurs qui influent sur la dégradation ou la durabilité des infrastructures.

2. Approches de l'économétrie: Utiliser des méthodes économétriques pour analyser les relations causales entre les variables, en appliquant des modèles statistiques et des techniques d'estimation des paramètres.

3. Approches des mathématiques: utiliser des modèles théoriques issus de l’analyse des matériaux, le phénomène de corrosion ou la dégradation de revêtement et qui pourraient être validés à partir des échantillons ou données disponibles.

4. Analyse de corrélation: Effectuer une analyse approfondie des corrélations entre les différentes variables, en utilisant des techniques statistiques pour quantifier les relations et les dépendances entre les conduites, les supports-amarrages et les revêtements.

5. Approches de l'intelligence artificielle: Mobiliser des techniques d'intelligence artificielle, telles que les réseaux de neurones, pour explorer les interactions complexes entre les variables et construire des modèles prédictifs de dégradation ou de durabilité des infrastructures.

En combinant ces différentes approches, cette tâche vise à fournir un modèle de causalité robuste qui permettra de mieux comprendre les mécanismes sous-jacents à la dégradation des conduites d'eau potable, des supports-amarrages et des revêtements. Ce modèle pourra ensuite être utilisé pour orienter les actions de maintenance et de gestion du patrimoine de manière plus efficace et proactive.

5. Bibliographie et champs disciplinaires

ASTEE (2013) Gestion patrimoniale des réseaux d’eau potable – Elaboration du descriptif détaillé des ouvrages de transport et de distribution d’eau, 52 p. [ Astee.org/publications]. Consulté le 08 oct 2024.

Broad, D., Maier, H., Dandy, G., and Nixon, J. (2005). “Estimating risk measures for water distribution systems using metamodels.” Conf. Proc., EWRI 2005: Impacts of Global Climate Change, ASCE, New York.

Barqawi, A H et Zayed, T. (2008) Infrastructure Management: Integrated AHP/ANN Model

to Evaluate Municipal Water Mains’ Performance.  J. Infrastruct. Syst., 2008, 14(4): 305-318

Sadiq, R., Kleiner, Y., and Rajani, B. B. (2004) “Fuzzy cognitive maps for decision support to maintain water quality in aging water mains.” NRCC-47305, 4th Int. Conf. on Decision-Making in Urban and Civil Engineering _DMUCE 4_, Porto, Portugal, 1–10.

Sawhney, A., and Mund, A.(2002) “Adaptive probabilistic neural network-based crane type selection system.” J. Constr. Eng. Manage.,128_3_, 265–273.

Wanakule, N., and Aly, A.(2005). “Using groundwater artificial neural network models for adaptive water supply management.” Conf. Proc.EWRI 2005: Impacts of Global Climate Change, ASCE, New York.

 Najafi, M., and Kulandaivel, G. (2005). “Pipeline condition predicting using neural network models.” Conf. Proc., Pipelines 2005: Optimizing Pipeline Design, Operations, and Maintenance in Today’s Economy, ASCE, New York, 767–781.

Le candiat sera rattaché au laboratoire Icube qui est une référence en matière de recherche en ingénierie et d'analyse des données. Le candait sera sut le site de la Manaufacture des Tabacs au sein de l'Ecole Nationale du génie de l'eau et de l'Environnement de Strasbourg ( ENGEES) 

Idéalement ingénieur généraliste ou detenteur d'un Master II en sciences des matériaux avec une appetance pour l'anlayse des données , ayant une bonne base en mathématiques scientifiques et en probabilités. Il doit être à l'aise en analyse de structure et avec les modèles théoriques de prédiction de corrosion et de déterioration structurelle.  

Le candidat doît être en capacité de formuler une problmématique scientifique et rechercher des références scientifiques pour proposer des solutions. Le candiat doît être autonome et avoir un bon niveau en anglais.