PLATIPUS : l’IA prédictive au service de la sécurité des ouvrages d’art de SNCF Réseau
Face au défi constant posé par la maintenance de ses milliers d’ouvrage d’art dont les Fondations sont en Site Aquatique (FSA), SNCF Réseau a l’ambition de développer l’outil PLATIPUS, une IA prédictive permettant de mieux anticiper les risques liés aux crues.
Publié le
Par La Redaction
Le réseau SNCF, c’est 27 000 kilomètres de voies à travers la France, mais c’est également plus 130 000 ouvrages d’art, dont environ 10 000 avec des fondations en site aquatique (FSA) : ponts, viaducs et soutènements, surplombants fleuve, rivière ou ruisseau.
Des risques plus importants avec le changement climatique
TER SNCF Réseau Rhôhe-Alpes – Olivier Foulon
Et avec une moyenne d’âge de 140 ans, ces ouvrages doivent désormais faire l’objet d’une plus grande vigilance, notamment face au risque croissant de crues, provoquées par le changement climatique, et qui peuvent fragiliser voire emporter ces infrastructures.
TER SNCF Réseau Rhôhe-Alpes – Olivier Foulon
Actuellement, 10 000 ouvrages FSA sont inspectés périodiquement, dont plus de 2 000 sont visités par des plongeurs spécialisés. Les données de visites recueillies peuvent être utilisées pour améliorer la maintenance et de mieux anticiper la sécurité des circulations ferroviaires lors des crues.
Vers une maintenance prédictive des ouvrages d’art
Entre une maintenance “préventive”, nécessitant des besoins de financement très importants, et une maintenance “corrective”, qui ne peut intervenir qu’après le constat d’un incident, SNCF Réseau a opté pour une maintenance dite “prédictive” et conditionnelle, reposant sur des algorithmes d’intelligence artificielle, afin de porter l’attention précisément sur les ouvrages les plus à risque.
Comment ça marche ?
En combinant un grand volume de données (caractéristiques des fondations, environnement, historique des crues, etc.) et les techniques du Machine Learning, PLATIPUS permet de :
- Identifier les ouvrages les plus vulnérables.
- Prédire les risques d’affouillement (érosion des fondations) et de submersion.
- Déclencher des alertes en temps réel grâce à des capteurs et à la télémétrie.
- Prioriser les interventions de maintenance et les investissements.
Nous avons démarré la phase de faisabilité du projet PLATIPUS (Projets pour L’Analyse du patrimoine à risque - Parties subaquatiques en en Site aquatique) en 2020, en ingérant un grand volume de données : caractéristiques et état des fondations, environnement de l’ouvrage, historique des crues, changement climatique, etc… Et grâce au Machine Learning, notre outil nous permet non seulement de prédire le risque d’affouillement (type d'érosion par la base provoquée par le courant d'un cours d'eau), mais également de pointer l’origine de ce risque.
Sur les 10 000 ouvrages du réseau concernés, quelques centaines pourront ainsi faire l’objet d’une télémétrie ciblée, avec des capteurs pouvant évaluer en temps réel le niveau d’eau lors d’une crue. Et lorsque ce niveau atteint certains seuils, le système est ainsi en mesure de déclencher une alerte « affouillement » voire « submersion », pour alerter le mainteneur et si nécessaire faire ralentir ou interrompre les circulations ferroviaires.
Des prédictions de plus de 85% de précision
En dehors de cette première phase de faisabilité, qui atteint une prédiction précise à 98 % (i.e. POC validé), l’ambition de SNCF Réseau est d’industrialiser le projet PLATIPUS sur la totalité des FSA du réseau SNCF. PLATIPUS intéresse également les gestionnaires d'infrastructures à l'international : grâce à la collaboration de nos homologues japonais et britanniques, nous avons pu tester leurs jeux de données, et nous sommes arrivés à des scores de précision de 86% et 82%, ce qui démontre la pertinence de notre outil.
En conclusion, le projet PLATIPUS améliore la sécurité du réseau ferroviaire tout en réduisant les coûts de maintenance. Il nous prépare aussi aux défis climatiques prévus par le GIEC pour 2100, avec une hausse de +4°C, et nous aide à cibler efficacement les travaux de régénération pour assurer la résilience et la performance du réseau.
