Aller au contenu principal

Soutenance de thèse de Salma Sadkou

Le 25 septembre 2024, Salma Sadkou soutiendra sa thèse intitulée Level Finder – Prévision des crues par Intelligence artificielle (réseaux de neurones) pour la mise en œuvre de plans d’intervention graduée et la gestion de crise à l’échelle (inter)communale. Cette thèse est dirigée par Anne Johannet et Severin Pistre (HydroSciences Montpellier)

 

Publié le
Recherche et Doctorat
Toutes les actualités

Résumé de la thèse : Le risque d'inondation est le premier risque naturel en France. Parmi les inondations qui touchent le pays, celles affectant l’axe méditerranéen, sujet aux crues éclair, sont les plus meurtrières. Pour y faire face, plusieurs dispositifs ont été mis en place, tant pour la prévision, à travers les Services de Prévision des Crues (SPC), que pour la gestion de crise, matérialisée par les plans communaux de sauvegarde. Ces plans définissent les responsabilités des communes en matière de protection des populations locales, sous l’autorité du maire. Sur le plan scientifique, de nombreux travaux ont été proposés pour améliorer la prévision hydrologique et, depuis quelques décennies, les réseaux de neurones se sont imposés dans ce domaine. L’application de ces méthodes à la prévision des crues éclair, qui sont intenses, rapides et peu comprises, dans l’axe méditerranéen français a donné des résultats très satisfaisants. Malgré ces avancées, tant en méthodes qu’en dispositifs légaux, les prévisions sont peu utilisées dans la gestion de crise car elles ne sont pas adaptées à ce contexte.
Cette thèse vise à proposer une démarche et des outils pour élaborer des bulletins de prévision de crues éclair adaptés aux besoins des gestionnaires de crise et à la prise de décision en contexte de crise. Pour atteindre cet objectif, une caractérisation du lien entre la gestion de crise et la prévision hydrologique est réalisée à travers une revue scientifique. Ensuite, une méthodologie d’atelier est élaborée pour définir les besoins des gestionnaires. Enfin, les réseaux de neurones sont employés pour prévoir les variables hydrologiques et pour prévoir des variables de gestion de crise par classification. L’évaluation de la qualité des prévisions met l’accent sur leur pertinence en situation de crise.
Ces travaux révèlent que le lien entre les gestionnaires et les prévisionnistes n’est pas suffisant et que ces deux parties ont des objectifs et priorités différents. L’atelier a permis de définir les bulletins de prévision recherchés et utiles aux gestionnaires sur plusieurs niveaux. L’évaluation de la qualité des prévisions au regard de la gestion de crise a montré que la qualité dépend des objectifs recherchés et donc primordiale. Enfin, la faisabilité de la prévision de variables de gestion de crise par classification par réseaux de neurones artificiels a été démontrée.
Les résultats de ces travaux sont prometteurs car ils montrent qu’il est possible d’appliquer des modèles simples mais très utiles et directement exploitables en gestion de crise. Ceci est possible grâce aux propriétés des réseaux de neurones. Ces travaux proposent aussi une approche pour définir les besoins des gestionnaires. Ces modèles et approches pourront être améliorés et appliqués à d’autres régions. Les efforts de recherche devront se poursuivre en raison de la complexité du lien entre gestion de crise et hydrologie.

Abstract : Flooding is the number one natural hazard in France. Floods affecting the Mediterranean axis prone to flash floods, are the deadliest. In response to this, several systems have been put in place. These systems serve both for forecasting, through the Flood Forecasting Services SPC (for Service de Prévision des Crues), and for crisis management, embodied in communal protection plans PCS (for Plan Communal de Sauvegarde) defining the organization and responsibilities of local authorities towards the local population, headed by the mayor. From a scientific point of view, significant work has been conducted to improve hydrological forecasting. New methods like neural networks have also emerged in this field over the last few decades. The application of these methods to the forecasting of flash floods, which are intense, rapid and poorly understood, in the French Mediterranean region has produced good results. Despite these advances, both in terms of methods and legal provisions, forecasts are underused in crisis management, as they are not adapted to this context.
The aim of this thesis is to propose an approach and tools for developing flash flood forecast bulletins tailored to the needs of crisis managers and their decision making. To achieve this, a characterization of the link between crisis management and hydrological forecasting is carried through a scientific review. Next, a workshop methodology is developed to define managers' needs. Finally, neural networks are used to forecast hydrological variables and to predict crisis management variables via classification. For the assessment of forecast quality, the focus is on their relevance in crisis situations.
This work reveals that the link between managers and forecasters is not sufficient, and that these two parties have different objectives and priorities. The workshop made it possible to define the forecast bulletins that managers are looking for and that are useful on several levels. The assessment of forecast quality regarding crisis management showed that quality is highly dependent on the objectives sought and of prime importance. Finally, the feasibility of forecasting crisis management variables using artificial neural network classification was demonstrated.
The results of this work are promising. They show that it is possible to apply simple ye highly useful models directly exploitable in crisis management. This is made possible by the properties of neural networks. This work also proposes an approach for defining the needs of managers. These models and approaches can be improved and applied to other regions. Research efforts will need to continue, given the complexity of the link between crisis management and hydrology.