1. La décision d’investissement
Le service public doit décider si un système de détection proposé peut réduire le coût économique total des fuites et des interventions. Cette décision couvre les capteurs, les communications, l’ingénierie des données, les modèles, l’examen par les analystes, la confirmation sur le terrain, la réparation et le retour d’information. Un modèle qui produit des alertes sans voie fiable vers l’action sur le terrain est incomplet.
L'approbation doit indiquer le réseau cible, les types de fuites, la référence opérationnelle, les erreurs acceptables, le coût de déploiement, le flux de service, la période de preuve et les conditions de passage à l'échelle. La décision doit rester liée à des résultats de terrain vérifiés.
2. Définir le résultat utile
Le résultat utile est une fuite détectée suffisamment tôt, localisée avec une précision suffisante, confirmée efficacement et réparée de manière économique. La détection seule identifie un comportement anormal. La localisation réduit la zone de recherche. La confirmation détermine si l'événement est réel. La réparation transforme l'information en gains en eau et en service.
Ces étapes doivent être mesurées séparément. Un système peut détecter une anomalie avec précision tout en envoyant les équipes vers une zone de recherche large ou incorrecte.
3. Le problème du taux de base
Les fuites sont rares par rapport aux intervalles de fonctionnement normal. Même un faible taux de faux positifs peut générer plus d'alertes fausses que d'alertes vraies lorsque des millions d'observations normales sont examinées. La précision dépend donc à la fois du comportement du modèle et du taux d'événements sous-jacent.
Un projet pilote devrait indiquer le nombre de fuites avérées, de périodes normales, d'alertes, d'investigations et de résultats confirmés. La précision globale peut sembler élevée lorsque le modèle prédit principalement la classe courante « absence de fuite ».
4. Économie de la matrice de confusion
Un vrai positif peut accélérer la réparation. Un faux positif consomme de la capacité d'examen et de terrain. Un faux négatif laisse une fuite non détectée. Un vrai négatif évite une intervention. Chaque résultat a un coût différent, et ces coûts varient selon l'actif, le lieu et les conséquences.
Le seuil économique doit mettre en balance l'eau évitée, les dommages, l'interruption de service et l'aggravation, d'une part, et les coûts liés aux analystes, aux relevés, aux excavations et aux événements manqués, d'autre part.
5. Précision et rappel
La précision mesure la part d'alertes vraies. Le rappel mesure la part d'événements réels détectés. L'augmentation de la sensibilité peut améliorer le rappel tout en augmentant les fausses alertes. Le resserrement du seuil peut améliorer la précision tout en manquant des événements plus petits.
Des travaux récents sur plusieurs réseaux rapportent des précisions et des rappels sensiblement différents selon les structures de réseau et les tailles de fuite [1]. Il ne faut pas supposer qu'un seul seuil convienne à chaque district ou état de fonctionnement.
6. Architecture de la détection à la réparation
Structure générique ; les systèmes, responsabilités et contrôles effectifs dépendent du service public et de la juridiction.
7. Détection par rapport à la localisation
La détection binaire vise à déterminer si un événement existe. La localisation vise à déterminer où il se trouve. L'estimation de l'ampleur vise à déterminer son importance potentielle. Les études de référence montrent que les performances de détection peuvent dépasser celles de localisation, en particulier en présence de bruit, de capteurs clairsemés ou de signatures hydrauliques faibles [2].
La fonction achats doit préciser la tolérance de localisation requise et la charge de recherche sur le terrain. Une alerte correcte couvrant plusieurs kilomètres peut rester coûteuse sur le plan opérationnel.
8. Définir les classes de fuites
Les fuites peuvent comprendre des fuites de fond, des fuites sur branchement, des ruptures, des pertes au niveau des vannes ou des bornes d'incendie, des débordements de réservoir et des événements côté abonné. Leurs signaux, conséquences et temps de réponse diffèrent.
La taxonomie doit identifier les classes que le système est conçu pour détecter. Les allégations des fournisseurs ne doivent pas s'étendre d'une classe testée à tous les mécanismes de perte sans preuve.
9. Établir la base de référence opérationnelle
La base de référence doit consigner les méthodes de détection actuelles, la fréquence des inspections, le temps de réponse, la confirmation de réparation, la durée des fuites, l'eau perdue, les visites répétées et le coût. Elle doit également documenter la segmentation du réseau, le parc de capteurs, la disponibilité de la télémétrie et les contraintes de terrain.
Le dossier d'investissement nécessite un contrefactuel. Une fuite détectée par AI aurait peut-être aussi été détectée grâce à l'analyse routinière des débits nocturnes ou à des signalements de clients.
10. Capteurs de pression
Les variations de pression peuvent indiquer des ruptures, des événements de demande, des manœuvres de vannes, des changements de pompe et des fuites. L'emplacement, la résolution, l'échantillonnage et la synchronisation des capteurs influencent la détectabilité.
Les modèles doivent intégrer les événements d'exploitation connus et les zones de gestion de la pression. Un seuil entraîné sous un régime de contrôle donné peut échouer après un changement de consigne ou d'alimentation.
11. Capteurs de débit
Les débits de district et aux limites permettent d’appliquer les méthodes de débit nocturne minimal, de bilan et d’anomalie. Des limites fiables et des compteurs d’entrée calibrés sont essentiels.
Les anomalies de débit peuvent refléter une demande légitime, des transferts sur le réseau, des purges ou une erreur de compteur. Le contexte et la confirmation restent nécessaires.
12. Détection acoustique
Les enregistreurs acoustiques et les corrélateurs peuvent détecter le bruit des fuites et faciliter la localisation. Le matériau et le diamètre des conduites, le sol, le bruit ambiant, la pression et l’espacement des capteurs influencent la propagation.
La consommation d’eau, les pompes et le bruit environnemental peuvent ressembler à des fuites. La confirmation sur le terrain doit rester partie intégrante du processus.
13. Fibre et détection répartie
La fibre existante ou installée peut permettre une surveillance acoustique ou vibratoire continue sur de longs corridors. La couverture et le volume de données peuvent être attractifs pour les conduites principales critiques.
Le dossier de justification économique doit inclure les droits d’accès, l’équipement d’interrogation, le traitement du signal, l’analyse spécialisée, la classification des faux événements et l’intégration des réparations.
14. Infrastructure de comptage avancée
Les intervalles de relevé des compteurs clients peuvent révéler une consommation continue et une éventuelle fuite dans les locaux. La détection sur le réseau de distribution peut aussi s’appuyer sur les résidus de demande agrégés et le contexte hydraulique.
La couverture de l’AMI, l’intervalle, la fiabilité des communications et le consentement des clients déterminent le cas d’usage. Les alertes côté client nécessitent un processus de service distinct.
15. Satellite et télédétection
La télédétection peut hiérarchiser de vastes zones à partir de signaux de surface, d’humidité ou d’autres signaux. Elle peut compléter les relevés de terrain lorsque l’accès est difficile.
Les conditions du sol, la météo, la profondeur et l’humidité non liée à l’eau peuvent affecter l’interprétation. Le coût de confirmation et la fréquence des revisites doivent être inclus.
16. Fusion de capteurs
La combinaison des données de pression, de débit, acoustiques, AMI, d’ordres de travail, météorologiques et opérationnelles peut réduire l’ambiguïté. La fusion augmente aussi les exigences d’intégration et de qualité des données.
Le modèle doit révéler quelles sources ont déclenché l’alerte et comment il se comporte lorsqu’une source est indisponible. La résilience doit être testée au moyen de scénarios d’ablation de capteurs.
17. Placement des capteurs
Le placement doit être guidé par la taille de fuite cible, la topologie du réseau, la sensibilité hydraulique, les actifs critiques, les communications et l’accès terrain. Un espacement uniforme peut gaspiller la couverture ou manquer les zones de faible sensibilité.
La recherche sur la falsification de modèles et le placement des capteurs montre que l’incertitude et la configuration du réseau influent sur la capacité de localisation [3]. Le pilote doit tester des variantes de placement avant le déploiement complet.
18. Échantillonnage et synchronisation
Les transitoires rapides peuvent nécessiter des données à haute fréquence et étroitement synchronisées. Une fuite de fond lente peut être détectée au moyen de tendances à plus basse fréquence. L’échantillonnage doit correspondre au signal physique et à la décision opérationnelle.
La dérive d’horloge, les intervalles manquants et l’agrégation peuvent produire des anomalies apparentes. Les contrôles d’ingénierie des données doivent être spécifiés parallèlement au modèle.
19. Communications
La connectivité détermine la latence, l’exhaustivité et le coût. La conception peut recourir aux réseaux cellulaires, à la radio, à la fibre, à des réseaux à faible consommation ou à des méthodes de stockage et de retransmission.
La couverture, l’alimentation, le volume de données, la maintenance et les contrôles de cybersécurité doivent être testés dans l’environnement de déploiement réel. Une connectivité testée en laboratoire ne constitue pas une preuve sur le terrain.
20. Points de contrôle de la qualité des données
Le pipeline doit tester la plausibilité, la plage de valeurs, l’alignement temporel, les doublons, les données manquantes, le comportement en ligne plate et l’état d’étalonnage. Les données échouant à un point de contrôle critique ne doivent pas générer d’alerte opérationnelle sans réserve.
Le statut de qualité doit accompagner la prédiction afin que les analystes puissent distinguer les anomalies de réseau des anomalies de capteur.
21. Qualité des étiquettes
L'apprentissage supervisé nécessite des exemples étiquetés comme fuite ou normal. Les étiquettes peuvent provenir d'essais contrôlés, de réparations confirmées, d'ordres de travail, de relevés ou de simulation. Chaque source présente ses limites.
Les ordres de travail peuvent omettre des alertes non détectées ou contenir des heures et des localisations inexactes. Les rejets contrôlés peuvent ne pas représenter des défaillances naturelles. Le registre d'entraînement devrait conserver la provenance et le niveau de confiance.
22. Données d'événements rares
Les grandes fuites peuvent être importantes sur le plan opérationnel et statistiquement rares. Les petites fuites peuvent être plus nombreuses mais faiblement visibles. Un jeu de données doit représenter l'événement visé et les conditions du réseau.
Le rééchantillonnage peut faciliter l'entraînement tout en conservant une prévalence réaliste dans l'évaluation. Les performances doivent être rapportées sur un ensemble représentatif du terrain et non modifié.
23. Simulation
Les modèles hydrauliques et transitoires peuvent générer des scénarios étiquetés selon les localisations et les tailles. Ils permettent des expériences contrôlées et l'exploration de la couverture.
Les hypothèses de simulation concernant la demande, la rugosité, les commandes, le bruit et le comportement des capteurs doivent être documentées. Un modèle entraîné sur des données synthétiques nécessite une validation sur le terrain.
24. Écart entre simulation et terrain
Des travaux de recherche récents rapportent une perte de performance substantielle lorsque des modèles entraînés sur simulation sont appliqués directement à des mesures de terrain, avec une amélioration après un apprentissage par transfert sur données de terrain [4]. Ces éléments plaident en faveur d'une étape d'adaptation délibérée.
L'exploitant devrait conserver un ensemble de terrain mis de côté et empêcher tout ajustement répété sur l'échantillon final d'acceptation.
25. Classes de modèles
Les méthodes comprennent les seuils statistiques, la détection de changements, les résidus hydrauliques, les machines à vecteurs de support, les ensembles d'arbres, les réseaux de neurones, les modèles de graphes, les transformateurs et les autoencodeurs. Aucune classe de modèles n'est automatiquement la meilleure pour chaque réseau.
La sélection devrait être guidée par la précision sur le terrain, le rappel, la localisation, la latence, l'interprétabilité, la maintenabilité et le coût plutôt que par la nouveauté.
26. Classification supervisée
Les modèles supervisés apprennent à partir d’exemples étiquetés. Ils peuvent être performants lorsque les étiquettes de terrain couvrent la variabilité opérationnelle et la classe cible.
Les performances peuvent se dégrader pour de nouveaux matériaux de canalisation, saisons, zones de pression ou configurations de capteurs. Le plan de déploiement doit prévoir des règles de surveillance et de réentraînement.
27. Détection d’anomalies non supervisée
Les méthodes non supervisées apprennent les schémas normaux et attribuent un score aux écarts. Elles peuvent identifier des événements inédits avec moins d’annotations de fuites.
Elles peuvent aussi signaler des changements opérationnels légitimes. L’équipe d’exploitation a besoin de contexte, de gouvernance des seuils et d’un processus de classification des résultats.
28. Méthodes des résidus hydrauliques
Les méthodes de résidus comparent la mesure à la prédiction du modèle. Leur valeur dépend de la calibration du modèle, de l’estimation de la demande et de l’incertitude des capteurs.
Elles peuvent fournir une interprétation physique et une localisation, tandis que les changements de réseau nécessitent une maintenance du modèle. L’exploitant devrait prévoir un budget pour la calibration.
29. Explicabilité
Les analystes ont besoin de suffisamment de preuves pour classer et étudier les alertes. Une explication utile peut inclure les capteurs concernés, la fenêtre temporelle, le sens de l’écart, la zone candidate, des événements comparables et l’état de qualité des données.
L’explication doit soutenir le jugement opérationnel. Une explication visuelle ne prouve pas la validité causale.
30. Entonnoir d’alertes
Chiffres illustratifs uniquement ; les volumes réels dépendent du réseau, du modèle et des seuils d’exploitation.
31. Gouvernance des seuils
Les seuils déterminent le volume d’alertes et les événements manqués. Ils doivent être approuvés par cas d’usage, zone et conséquence. Les opérateurs doivent savoir quand un seuil a changé et pourquoi.
La détection des urgences ou des conduites principales critiques peut privilégier le rappel ; les travaux de routine sur les fuites de fond peuvent privilégier la précision. Le modèle économique doit refléter ce choix.
32. Fatigue liée aux alertes
Les recommandations de l’EPA sur la détection d’événements dans les réseaux de distribution décrivent la nécessité d’équilibrer la sensibilité et les faux positifs et reconnaissent la fatigue liée aux alertes résultant d’un excès d’alertes [5]. Les opérations de détection de fuites font face à une contrainte humaine comparable.
La taille de la file, son ancienneté, le temps de revue, les motifs de rejet et les alertes récurrentes doivent être surveillés. Une alerte non traitée n’a aucune valeur opérationnelle.
33. Déduplication des alertes
Un même événement physique peut générer des scores répétés selon les capteurs et dans le temps. La plateforme doit regrouper les signaux associés en un incident et conserver les preuves sous-jacentes.
Une déduplication insuffisante gonfle les chiffres d’alertes affichés et la charge de travail des analystes. La précision au niveau de l’incident est plus utile que la précision au niveau de l’enregistrement.
34. Priorisation
Les alertes peuvent être classées selon la perte estimée, les conséquences, la confiance, les clients critiques, le risque routier, l’accès et la proximité d’autres interventions. La méthode de classement doit rester transparente.
Un niveau de confiance élevé ne signifie pas toujours une valeur élevée. Un événement de confiance modérée sur une conduite principale critique peut nécessiter une revue plus rapide.
35. Triage par les analystes
Les analystes doivent examiner la qualité des données, les événements d’exploitation, les capteurs voisins, le contexte hydraulique, l’historique et les conséquences. Le triage doit aboutir à rejeter, surveiller, tester à distance ou intervenir sur le terrain.
Le temps de décision et la cohérence doivent être mesurés. Les exemples de formation peuvent utiliser des résultats arbitrés.
36. Confirmation sur le terrain
La confirmation peut reposer sur une étude acoustique, des essais par paliers, l’enregistrement de la pression, une inspection visuelle, des méthodes de traçage ou un isolement contrôlé. La méthode doit être adaptée à la conduite et à l’emplacement.
Les équipes terrain ont besoin d’une zone de recherche, d’un dossier de preuves, d’un plan de sécurité et d’un code de clôture. Une alerte reste non vérifiée tant que la norme de confirmation convenue n’est pas satisfaite.
37. Décision d’excavation
L’excavation entraîne un coût direct et des perturbations. L’exploitant doit définir à quel moment le niveau de confiance et les conséquences justifient une excavation, des travaux exploratoires ou une surveillance continue.
La décision doit tenir compte de la circulation, des autorisations, de l’impact sur les clients et de l’opportunité de coordonner les travaux planifiés.
38. Confirmation de réparation
Après réparation, l’exploitant doit confirmer le défaut et observer si le signal et le bilan hydrique évoluent comme prévu. Une réparation qui n’explique pas l’alerte apporte de nouveaux éléments de preuve.
Le registre des résultats doit conserver l’emplacement, l’actif, le défaut, l’estimation du débit, le coût, la durée et la réponse du signal.
39. Boucle de rétroaction
Les résultats confirmés doivent mettre à jour les étiquettes, les seuils, les règles et le suivi des modèles. Les alertes écartées doivent enregistrer un motif, et non simplement disparaître.
La qualité de la rétroaction est une capacité opérationnelle. Le réentraînement du fournisseur doit être auditable et soumis à des contrôles d’acceptation.
40. Tableau de bord de performance
Tableau 1. Tableau de bord illustratif de détection et d’exploitation
| Dimension | Indicateur | Justificatif | Usage décisionnel |
|---|---|---|---|
| Détection | Rappel par classe et taille de fuite | Événements confirmés et tests contrôlés | Exposition aux événements non détectés |
| Qualité des alertes | Précision et fausses découvertes | Arbitrage au niveau des incidents | Charge de travail des analystes et des équipes terrain |
| Localisation | Erreur de distance ou de zone de recherche | Emplacement de réparation confirmé | Coût des inspections et des excavations |
| Rapidité | De la détection au triage et à la réparation | Horodatages du système et des ordres de travail | Bénéfice lié au temps de fonctionnement évité |
| Fiabilité | Disponibilité des données et disponibilité opérationnelle du modèle | Journaux de la plateforme | Continuité d’exploitation |
| Conditions économiques | Coût par fuite confirmée et bénéfice net | Registre financier et des résultats | Passer à l’échelle ou reconcevoir |
41. Coût des faux positifs
Le coût des faux positifs comprend l’examen par les analystes, la surveillance répétée, l’inspection sur le terrain, les déplacements, la régulation de la circulation, le contact avec la clientèle et d’éventuelles excavations. Il comprend également le coût d’opportunité lorsque les équipes reportent des interventions réelles.
Le modèle devrait calculer le coût par parcours d’alerte plutôt que selon une moyenne unique. La plupart des fausses alertes peuvent être traitées à distance, tandis qu’une faible proportion entraîne des interventions coûteuses sur le terrain.
42. Coût des faux négatifs
Une fuite non détectée peut continuer à entraîner des pertes d’eau, d’énergie et de produits chimiques et peut dégénérer en interruption de service ou en dommages. Le coût dépend du débit de fuite, de la durée, de l’emplacement et des conséquences.
Le service public devrait éviter les hypothèses de catastrophe non étayées. Les fourchettes de scénarios devraient distinguer les pertes courantes des événements à fort impact.
43. Coût des erreurs de localisation
Une localisation imprécise élargit la distance de recherche, retarde la confirmation et peut entraîner des excavations inutiles. La taille de la zone de recherche est donc un indicateur économique.
Les modèles devraient présenter les distributions d’erreurs et les zones difficiles. La distance moyenne peut masquer une longue queue qui génère des coûts.
44. Valeur du temps
Une détection plus précoce crée de la valeur lorsqu’elle raccourcit la durée de fuite par rapport aux pratiques existantes. Le bénéfice ne commence qu’après l’examen de l’alerte et l’action.
Le délai de bout en bout doit couvrir l’apparition de l’événement, le score, la décision de l’analyste, la visite sur site, la réparation et la clôture. La seule latence du modèle ne suffit pas.
45. Valeur de l’eau évitée
L’eau évitée peut être valorisée au coût marginal de production à court terme, à la valeur de rareté, à la valeur du report de capacité ou à la valeur tarifaire, selon la décision. Ce sont des concepts différents.
Le dossier de justification économique doit indiquer la valeur retenue et éviter les doubles comptages. L’avantage en trésorerie mobilisable pour le financement peut être plus restreint que l’avantage économique.
46. Valeur des dommages et du service
Une action précoce peut réduire les coûts liés aux routes, aux biens, aux interruptions de service et aux urgences. Les données historiques sur les incidents peuvent étayer des plages de scénarios.
Les événements graves rares doivent être pondérés par leur probabilité et présentés séparément. Le traitement assurantiel et les franchises doivent être pris en compte.
47. Structure de coûts
Tableau 2. Structure illustrative des coûts totaux
| Couche de coûts | Postes typiques | Calendrier | Contrôle |
|---|---|---|---|
| Parc de capteurs | Appareils, installation, alimentation et étalonnage | Coûts initiaux et de remplacement | Couverture et registre des actifs |
| Connectivité et plateforme | Communications, stockage, intégration et support | Récurrent | Niveaux de service et contrôles d'utilisation |
| Exploitation des modèles | Configuration, surveillance, réentraînement et licences | Récurrent et piloté par les changements | Contrôle des versions et de l'acceptation |
| Flux de travail humain | Triage par les analystes, enquêtes et gestion de programme | Piloté par les alertes | Rapports sur les files d'attente et la productivité |
| Action sur le terrain | Confirmation, trafic, excavation et réparation | Piloté par les incidents | Éléments probants issus des ordres de travail et des résultats |
| Provision pour risques | Défaillances, réponse cyber et transition | Éventualité | Registre des risques et réserve |
48. Ensemble des bénéfices
Les bénéfices peuvent inclure l’eau et l’énergie économisées, la réduction des interventions d’urgence, des dommages réduits, une meilleure continuité de service, un meilleur ciblage du renouvellement et des preuves réglementaires plus solides. Chaque bénéfice doit avoir une valeur de référence et un responsable.
Le modèle d’investissement doit distinguer les flux de trésorerie, les coûts évités, les capitaux différés et la valeur publique. Seuls les flux de trésorerie réalisés ou financés contractuellement devraient contribuer au service de la dette.
49. Sensibilité illustrative
Valeurs indicatives uniquement ; il ne s’agit pas d’une prévision, d’une valorisation ni d’une comparaison de fournisseurs.
50. Capex par rapport au modèle de service
L’opérateur de service public peut posséder les capteurs et la plateforme, souscrire à un service géré ou recourir à une solution hybride. Le mode de propriété influe sur le contrôle, les compétences, l’intégration, le remplacement et la sortie.
La comparaison économique doit utiliser le coût total sur la durée de vie prévue et inclure la transition. Un prix pilote bas peut ne pas représenter les opérations à pleine échelle.
51. Financement
L'infrastructure numérique peut être financée par les capex du service public, les budgets de fonctionnement, les fonds d'innovation, les subventions, le financement fournisseur ou des programmes de performance plus larges. Le financement doit être aligné sur la durée de vie de l'actif et sur le caractère exécutoire du contrat.
Un avantage modélisé ne génère pas automatiquement de trésorerie de remboursement. L'autorisation budgétaire et la source de paiement doivent rester explicites.
52. Paiement fondé sur la performance
La rémunération du fournisseur peut être partiellement liée à la disponibilité du service, aux alertes acceptées, aux fuites vérifiées, aux délais d'intervention ou au bénéfice net. L'indicateur doit rester sous l'influence du fournisseur et résister aux manipulations.
Un paiement fondé uniquement sur les alertes récompense le volume. Un paiement fondé uniquement sur les fuites confirmées peut décourager des événements difficiles mais précieux. Une structure équilibrée peut combiner des composantes de capacité fixe et des composantes de résultat.
53. Data room de passation de marchés
La data room doit inclure les cartes du réseau, l'inventaire des capteurs, des échantillons de télémétrie, l'historique des événements et des réparations, les journaux d'exploitation, les méthodes existantes, la qualité des données, les normes de sécurité et le workflow de terrain.
Les soumissionnaires devraient recevoir, lorsque cela est possible, un jeu de données d'évaluation commun. Les informations confidentielles et relatives aux infrastructures critiques doivent faire l'objet d'un accès contrôlé.
54. Normalisation des allégations des fournisseurs
Les allégations doivent préciser le réseau, la conduite, le capteur, la prévalence des événements, la taille des fuites, le bruit, les données d'entraînement, le découpage de test et l'unité d'évaluation. Une précision sans ces conditions est insuffisante.
Le service public devrait transposer chaque allégation dans l'environnement d'exploitation cible et exiger des preuves reproductibles.
55. Conception du pilote
Un pilote devrait inclure une sélection représentative de quartiers, de saisons, d'états de demande, de matériaux de canalisation et de conditions de capteurs. Il devrait durer suffisamment longtemps pour observer la variation normale et des événements réels ou contrôlés.
Le protocole doit être convenu avant le réglage du modèle et préserver une phase d'acceptation en aveugle.
56. Mode d'observation
En mode d'observation, le système produit des alertes sans diriger les opérations. Les analystes comparent les sorties avec la pratique actuelle et les résultats ultérieurs.
Le mode d'observation facilite un calibrage sûr des seuils et la mesure de la charge de travail. Il doit avoir une fin fixe et un jalon de décision.
57. Tests contrôlés
Des lâchers d'eau connus ou des événements liés aux bornes d'incendie peuvent tester la détection et la localisation dans des conditions contrôlées. Ils favorisent la répétabilité mais peuvent ne pas représenter des fuites naturelles.
Le programme doit étiqueter séparément les événements contrôlés et naturels et éviter de les regrouper sans le signaler.
58. Critères d'acceptation
L'acceptation doit couvrir la précision sur le terrain, le rappel, la localisation, la latence, la disponibilité des données, la duplication des alertes, l'intégration au flux de travail, la cybersécurité, le reporting et les aspects économiques. Les critères doivent être mesurés au niveau de l'incident.
Le contrat doit préciser la période d'échantillonnage, le traitement du degré de confiance et la mesure corrective lorsque les éléments de preuve sont insuffisants.
59. Jalon de passage à l'échelle
Le passage à l'échelle devrait exiger un fonctionnement stable, une charge de travail gérable, une économie positive en scénario défavorable, un risque cyber acceptable, une intégration maintenable et une capacité d'intervention sur le terrain financée.
Un pilote technique réussi peut néanmoins échouer au jalon opérationnel ou commercial.
60. Dérive du modèle
La demande, les contrôles, les capteurs, les actifs et le climat évoluent avec le temps. La dérive peut modifier les distributions des scores et les taux d'erreur.
La surveillance doit comparer les données, les alertes et les résultats par district et par saison. Les modifications de seuils ou de modèles doivent suivre un processus d’approbation contrôlé.
61. Recalibrage et réentraînement
Le recalibrage peut ajuster les seuils ou les paramètres hydrauliques ; le réentraînement modifie le comportement appris. L’exploitant doit définir les déclencheurs, les exigences en matière de données, les tests et le retour arrière.
Les nouvelles versions doivent être testées en miroir avant la production. Les performances historiques doivent rester reproductibles.
62. Cybersécurité
Les capteurs, passerelles, plateformes et intégrations élargissent la surface d’attaque. Les contrôles doivent couvrir l’identité, le chiffrement, les correctifs, la segmentation, la journalisation, la réponse aux incidents et l’accès des fournisseurs.
Une alerte automatisée ne doit pas commander les vannes ou les pompes sans une conception distincte de la sécurité et de l’autorisation.
63. Résilience
Le système doit se dégrader de manière sûre en cas de défaillance des communications, des capteurs ou des services cloud. Les opérateurs ont besoin de méthodes de repli et de visibilité sur les zones aveugles.
Les rapports de niveau de service doivent distinguer la disponibilité de la plateforme de la disponibilité des données utiles.
64. Droits sur les données
Les contrats doivent définir la propriété, l’utilisation autorisée, la conservation, l’exportation, les droits d’entraînement de modèles et la suppression. L’exploitant doit conserver l’historique de son réseau, des événements et des résultats.
La sortie doit inclure des données utilisables et de la documentation dans des formats non propriétaires lorsque requis.
65. Répartition des risques
Tableau 3. Matrice illustrative des risques de déploiement
| Risque | Responsable recommandé | Traitement contractuel | Réponse de la direction |
|---|---|---|---|
| Défaillance des capteurs et de la télémétrie | Partie contrôlant l'équipement ou le service | Conditions de disponibilité, de réparation et de qualité des données | Redondance et signalement des zones aveugles |
| Libellés historiques incomplets | Entreprise de services publics pour les documents divulgués ; fournisseur pour la méthode acceptée | Réserve sur les données et plan de validation des champs | Acceptation prudente et phase de test en parallèle |
| Performance du modèle | Fournisseur dans l'environnement convenu | Indicateurs au niveau des incidents et mesures correctives | Surveillance, retour arrière et nouveau test |
| Modification du réseau ou de l'exploitation | Utilité avec la coopération du fournisseur | Avis de modification et processus de recalibrage | Configuration et budget versionnés |
| Action terrain erronée | Partagé selon les preuves et le flux de travail | Protocole de confirmation et limites de responsabilité | Jalon d'approbation et revue des résultats |
| Incident cybernétique | Partie contrôlant la couche concernée | Obligations de sécurité et réponse | Segmentation, journalisation et récupération |
66. Gouvernance
Un responsable désigné devrait faire le lien entre les équipes opérations, données, informatique, cybersécurité, finance, achats et terrain. Le comité de pilotage devrait examiner les résultats et les aspects économiques, et pas seulement l'activité des fournisseurs.
Les seuils significatifs, les versions de modèle et les modifications de périmètre nécessitent des droits d'approbation définis.
67. Tableau de bord mensuel
Le tableau de bord doit afficher la couverture, la qualité des données, les alertes, les incidents dédupliqués, la précision et le rappel lorsqu’ils sont observables, l’erreur de localisation, l’âge dans la file, les actions sur le terrain, les fuites confirmées, le délai de réparation, l’estimation d’eau, le coût et le bénéfice.
La confiance et l’absence de vérité terrain doivent rester visibles. Les alertes non vérifiées ne doivent pas être présentées comme des fuites détectées.
68. Signaux d’alarme
Les signaux d’alarme incluent l’exactitude sans prévalence, une validation uniquement synthétique, l’absence de test terrain en aveugle, une remontée d’informations au niveau des alertes plutôt qu’au niveau des incidents, l’absence de coût des enquêtes à faux positifs, une faible couverture de capteurs, un verrouillage des données propriétaires, un réentraînement non maîtrisé, l’absence de capacité terrain et un bénéfice revendiqué sans résultats de réparation.
Chacun exige des preuves, une refonte, une protection des prix ou une décision de ne pas passer à l’échelle.
69. Les 180 premiers jours
Les six premiers mois doivent définir les cas d’usage, établir une base de référence des pratiques actuelles, cartographier les données et les capteurs, sélectionner les zones pilotes, établir la vérité terrain et le flux de travail, acquérir la plateforme, exécuter le mode ombre et convenir des critères d’acceptation.
Le comité d’investissement doit voir des preuves réelles concernant la file d’attente, le terrain et les coûts avant d’approuver l’extension.
70. Dossier du comité d’investissement
Le dossier doit inclure les classes de fuites ciblées, la base de référence, la cartographie des capteurs et des données, les preuves relatives au modèle, le protocole pilote, l’économie de la matrice de confusion, la conception opérationnelle, la revue cybersécurité, les conditions d’achat, les scénarios coûts-bénéfices, la matrice des risques et les conditions de passage à l’échelle.
Les estimations de la direction doivent rester identifiées. Les allégations des fournisseurs doivent conserver leur source et les conditions de test.
71. Règle de décision
Donner suite lorsque le système produit des incidents crédibles sur le terrain, opportuns et hiérarchisés sur le plan économique ; s’intègre à un flux de travail de confirmation et de réparation financé ; préserve les données et la sécurité ; et offre une valeur positive en scénario défavorable par rapport aux pratiques actuelles.
Le passage à l’échelle doit suivre des résultats vérifiés. Un score de modèle élevé ne suffit pas à constituer un cas d’investissement.
72. Calculer l’arithmétique des taux de base avant l’achat
L’équipe de préparation doit calculer les alertes attendues selon plusieurs hypothèses de prévalence des événements et de taux d’erreur. Pour chaque jour-réseau ou autre unité d’évaluation, le modèle doit estimer les événements réels, les événements détectés, les événements manqués, les fausses alertes et le total des investigations. Cela met en évidence les situations où un taux apparemment faible de faux positifs submerge une population rare d’événements réels.
Le calcul doit utiliser la même unité que le flux de travail opérationnel. Un taux de classification des enregistrements de capteurs ne peut pas être transposé directement en visites d’équipes sans déduplication ni regroupement d’incidents. Le modèle doit aussi tester différents districts, car la prévalence des événements et l’observabilité hydraulique peuvent différer sensiblement.
73. Calibrer la probabilité et la confiance
Un score de modèle n’est pas automatiquement une probabilité calibrée. Les tests de calibration doivent comparer la confiance prédite à la fréquence observée des événements sur les plages de scores et les conditions d’exploitation. Une mauvaise calibration peut fausser le classement, le choix des seuils et les estimations de business case, même lorsque l’ordre de classification reste utile.
La plateforme doit distinguer la confiance du modèle, la confiance dans la qualité des données et la confiance dans la localisation. Un score de modèle élevé fondé sur des capteurs incomplets ou défaillants ne doit pas apparaître comme équivalent à un incident bien étayé. La calibration doit être revérifiée après toute modification du modèle, des capteurs ou du réseau.
74. Segmenter le réseau sur le plan économique
Les conduites de transport critiques, la distribution urbaine dense, les réseaux ruraux et les branchements clients ont des conséquences d’événement, une observabilité et des coûts d’intervention différents. L’exploitant du réseau d’eau doit segmenter le déploiement et choisir en conséquence les capteurs, les seuils et les flux de travail. Une moyenne unique à l’échelle de l’entreprise peut masquer des zones à l’économie négative ou présentant des angles morts inacceptables.
Le modèle de segmentation doit prendre en compte le matériau des conduites, le diamètre, l’historique de défaillance, la pression, les conséquences, l’accessibilité, le coût de réparation, la densité de clients et les pratiques actuelles de détection. Le passage à l’échelle doit commencer là où la combinaison du signal, des conséquences et de la capacité d’intervention crée le dossier le plus solide fondé sur les données.
75. Concevoir le processus de vérité terrain
Chaque alerte doit aboutir à un statut final de vérité : fuite confirmée, absence de fuite confirmée, non résolue, inaccessible, doublon, défaillance de capteur ou événement opérationnel légitime. Le statut doit consigner les preuves et l’arbitre. Les cas non résolus doivent rester dans le reporting de performance afin que le système ne paraisse pas plus précis en excluant les résultats difficiles.
Le processus de vérité doit aussi identifier les fuites découvertes en dehors du système d’alerte. Ces événements sont nécessaires pour estimer le rappel. Un système ne peut pas prétendre détecter la plupart des fuites lorsque le dénominateur ne comprend que ses propres alertes.
76. Mesurer la capacité des équipes
La valeur d’une alerte dépend de la capacité disponible des analystes, des inspections et des réparations. Le modèle d’exploitation doit prévoir les heures par étape d’alerte, compétence et zone géographique. Il doit tester la croissance de la file d’attente après des tempêtes, des changements saisonniers, le déploiement de capteurs ou un ajustement des seuils.
Les objectifs de niveau de service doivent accorder la priorité aux conséquences et à l’ancienneté. Lorsque la capacité est limitée, le système doit montrer quels incidents restent non traités et l’exposition aux pertes d’eau ou aux risques associée au retard. Une décision de passage à l’échelle doit financer la capacité de terrain nécessaire pour réaliser le bénéfice attendu.
77. Relier les alertes au renouvellement des actifs
Des anomalies répétées, des grappes de fuites et des confirmations difficiles peuvent révéler des actifs qui nécessitent un renouvellement plutôt que des réparations répétées. Le programme doit alimenter la planification des investissements fondée sur le risque avec des preuves vérifiées. Il doit également distinguer le bénéfice du système d'alerte du bénéfice ultérieur du renouvellement afin d'éviter tout double comptage.
L'équipe responsable des actifs doit recevoir des données stables sur la localisation, le défaut, la conduite, la réparation, la récurrence et l'incertitude. Les décisions de planification des investissements doivent combiner ces preuves avec l'état, les conséquences et le coût du cycle de vie. AI soutient donc la priorisation des renouvellements lorsque le registre des résultats reste fiable.
78. Quantifier la dette de données et d'intégration
La télémétrie héritée, des identifiants incohérents, des horodatages manquants, des actifs dupliqués et des ordres de travail fragmentés peuvent nécessiter d'importants travaux de remédiation. Ces coûts doivent être estimés avant la sélection du fournisseur et répartis entre le service public et le fournisseur. Un pilote qui utilise des données sélectionnées manuellement peut sous-estimer le coût d'exploitation à pleine échelle.
La conception de l'intégration doit définir des identifiants de référence pour le capteur, l'actif, le district, le client et l'ordre de travail. Des contrôles de rapprochement doivent suivre les enregistrements non appariés. La remédiation des données peut créer une valeur indépendante, tandis que le dossier d'investissement AI doit toujours inclure les dépenses nécessaires pour en assurer la pérennité.
79. Mettre en place une discipline d'exploitation des modèles
L'exploitation en production nécessite un contrôle de version, des définitions de caractéristiques, une approbation de déploiement, un suivi des performances, une journalisation des incidents, un retour arrière, un réentraînement et une mise hors service. Le service public doit savoir quel modèle a généré chaque alerte et quelles données et quels seuils ont été appliqués.
Le fournisseur doit documenter les changements planifiés et d'urgence. Les mises à jour importantes doivent réussir des tests de régression et des tests en mode fantôme utilisant des preuves conservées. L'exploitation des modèles doit s'intégrer à la gestion des services informatiques au sens large afin que les défaillances de données et d'applications soient prises en charge et résolues plutôt que de rester des problèmes analytiques invisibles.
80. Tester la concentration fournisseur et la sortie
Une plateforme propriétaire peut combiner des appareils, des communications, des données, un modèle et un flux de travail. Cela peut simplifier l'imputation des responsabilités tout en augmentant le risque de changement de fournisseur. Le contrat doit définir l'exportation des données, la documentation des interfaces, l'accès au matériel, le support de transition et la continuité d'exploitation pendant la sortie.
L'analyse de rentabilité doit inclure le coût de remplacement et de transition. Elle doit identifier les composants qui peuvent faire l'objet d'une mise en concurrence indépendante et ceux qui créent un verrouillage. La valeur à long terme dépend de la préservation des preuves et de la capacité d'exploitation du service public, même en cas de changement de fournisseur.
81. Mener un exercice de red team opérationnel
Avant la réception, une équipe indépendante doit mettre le système à l'épreuve avec des défaillances de capteurs, une dérive d'horloge, des pics de demande légitimes, des manœuvres de vannes, des changements de pompes, un retard de télémétrie, des enregistrements dupliqués, des événements cyber et des fuites dans des zones faiblement observées. L'exercice doit tester les alertes, les explications, le flux de travail, l'escalade et la reprise.
L'objectif est d'identifier les modes de défaillance et les dépendances cachées. Les résultats doivent conduire à des changements de configuration, de contrat, de formation et de mesures de contingence. Les défaillances critiques non résolues doivent empêcher le passage à l'échelle jusqu'à ce que le service public accepte et finance le risque résiduel.
82. Auditer le bénéfice revendiqué
Les bénéfices doivent être rapprochés depuis l'alerte jusqu'à l'incident, la confirmation, la réparation, le signal après réparation, le débit estimé, la réduction du temps de fonctionnement et la valeur financière. Les responsables financiers et opérationnels doivent approuver la méthode. L'échantillonnage peut vérifier l'exactitude des ordres de travail et des coûts.
L'audit doit distinguer les résultats attribués au fournisseur, attribués au service public et obtenus conjointement. Les bénéfices qui ne peuvent pas être liés à une décision d'exploitation modifiée ne doivent pas être attribués automatiquement au modèle. La piste d'audit soutient l'examen des investissements, le reporting réglementaire et le paiement à la performance.
83. Élaborer un scénario financier défavorable
Le scénario défavorable doit combiner une prévalence plus faible des événements, une précision moindre, des fuites plus petites, une intervention sur le terrain plus lente, un coût de connectivité plus élevé, un remplacement plus précoce des capteurs et une intégration retardée. Il doit aussi tester le coût d'un événement cyber ou de transition important sans présenter un tel scénario comme certain.
La direction doit identifier les variables qui créent de la valeur et celles qui peuvent être maîtrisées. L'investissement peut rester justifié par la réduction des risques critiques même lorsque le retour direct en trésorerie est faible ; cette justification doit être explicite et approuvée séparément.
84. Créer des jalons de réalisation des bénéfices
Le programme doit comporter des jalons pour la préparation technique, l'adoption opérationnelle, le résultat vérifié, la valeur économique et le passage à l'échelle. Chaque jalon doit indiquer les éléments de preuve, le responsable et la décision. Le franchissement d'un jalon antérieur ne doit pas prédéterminer le suivant.
Les revues de réalisation des bénéfices doivent comparer les performances actuelles à la référence approuvée et au scénario contrefactuel. Elles doivent identifier la valeur perdue en raison de retards de file d'attente, de contraintes sur le terrain ou d'une réparation incomplète. Les actions correctives doivent avoir des dates et des responsables. Le financement d'un déploiement ultérieur doit dépendre de capacités démontrées, et non d'une dynamique de coûts irrécupérables.
85. Préserver la responsabilité humaine
Le modèle peut hiérarchiser les éléments de preuve ; le personnel autorisé du service public reste responsable des décisions opérationnelles et de service public. Les rôles doivent être clairs pour le rejet d'alerte, l'envoi d'équipes sur le terrain, l'isolement, l'excavation, la communication avec les clients et la réparation. Les décisions critiques doivent conserver une piste d'audit.
Le personnel doit comprendre les limites du modèle et les modes de défaillance courants. La formation doit utiliser des cas locaux réels et évaluer la qualité des décisions. Une dépendance excessive peut entraîner la perte d'informations contextuelles ; un rejet systématique peut annuler la valeur du modèle. La gouvernance doit favoriser une contestation disciplinée dans les deux sens.
86. Conclusion
AI peut améliorer la détection des fuites lorsque les capteurs, les données, les modèles et les opérations sur le terrain forment un système contrôlé unique. L'économie des faux positifs apporte de la discipline aux décisions relatives aux seuils, aux capteurs, aux flux de travail et aux achats. Elle expose aussi le coût opérationnel masqué par la précision affichée.
Le programme le plus solide mesure la précision au niveau des incidents, le rappel, la localisation, la rapidité et le bénéfice net dans le réseau cible. Il apprend de chaque résultat sur le terrain, surveille la dérive et ne passe à l'échelle que lorsque des réparations vérifiées étayent le dossier.
Références
- Kwon, D. et al. Exploration d'un modèle de détection de fuites par apprentissage profond sur plusieurs systèmes intelligents de distribution d'eau : tailles de fuites détectables avec compteurs AMI. Water Research X, 2025. https://doi.org/10.1016/j.wroa.2025.100332
- Ranganathan, S., Vinothkumar, N. et Muthuramalingam, E. Évaluation comparative de diverses architectures d’apprentissage pour la détection et la localisation des fuites dans les systèmes de distribution d’eau. Journal of Water Process Engineering, 2026. https://doi.org/10.1016/j.jwpe.2026.110114
- Goulet, J.-A., Coutu, S. et Smith, I.F.C. Diagnostic par falsification de modèle et placement des capteurs pour la détection de fuites dans les réseaux de conduites sous pression. Advanced Engineering Informatics, 2013. https://doi.org/10.1016/j.aei.2013.01.001
- Apprentissage par transfert explicable de la simulation vers le terrain pour la détection de fuites fondée sur les transitoires dans les réseaux de distribution d’eau. Water Research, 2026. https://doi.org/10.1016/j.watres.2026.126464
- Agence américaine de protection de l’environnement. Surveillance de la qualité de l’eau des systèmes de distribution : méthodologie et résultats de l’évaluation des technologies de capteurs. https://www.epa.gov/sites/production/files/2015-06/documents/distribution_system_water_quality_monitoring_sensor_technology_evaluation_methodology_results.pdf
- Ofwat. Rapport annuel 2025 du Fonds d’innovation. https://www.ofwat.gov.uk/wp-content/uploads/2025/07/Ofwat-Innovation-Fund-Annual-report-2025-v5.pdf
- Ofwat. Les solutions d’énergie verte et la prévention des fuites par CCTV figurent parmi les innovations hydriques primées. https://www.ofwat.gov.uk/green-energy-solutions-and-cctv-leak-prevention-among-winning-water-innovations/
- Normalisation et évaluation comparative des jeux de données et protocoles d’évaluation pour la détection des fuites d’eau fondée sur l’apprentissage automatique : revue systématique. Water, 2026. https://doi.org/10.3390/w18182267
- SIAM : un cadre open source pour l’identification d’anomalies dans les réseaux de distribution d’eau. Software Impacts, 2026. https://doi.org/10.1016/j.simpa.2026.100842
- Détection des fuites d’eau au moyen d’une classification autosupervisée de séries temporelles. Information Sciences, 2021. https://doi.org/10.1016/j.ins.2021.06.015
- Détection des fuites dans les conduites d’eau fondée sur l’apprentissage automatique et les réseaux de capteurs sans fil. Sensors, 2019. https://doi.org/10.3390/s19235086
- Détection des fuites d’eau dans les conduites principales de distribution suburbaines au moyen de capteurs vibro-acoustiques mobiles. Sensors, 2022. https://doi.org/10.3390/s22166066
- Détection et localisation des fuites à l’aide de modèles : résultats sur le terrain. Procedia Engineering, 2014. https://doi.org/10.1016/j.proeng.2014.02.128
- Association internationale de l’eau. Contrats fondés sur les performances pour la gestion des pertes d’eau non facturées. https://www.iwa-network.org/our-work/performance-based-contracts-for-non-revenue-water-market-development
- Banque mondiale. Note d’orientation sur les contrats fondés sur les performances pour la réduction des pertes d’eau. 2025. https://documents1.worldbank.org/curated/en/099157411052511694/pdf/IDU-ddae29b5-2722-4a36-9992-5ac7789d6bb1.pdf
- Centre de ressources PPP de la Banque mondiale. Outils de contractualisation fondés sur les performances pour la réduction de l’eau non facturée. https://ppp.worldbank.org/water-and-sanitation/performance-based-contracting-tools-non-revenue-water-reduction-tools-resources
À propos de l'auteur
Chennakeshav (CK) est un dirigeant de la finance d’entreprise et de la banque d’investissement, fort de plus de 25 ans d’expérience internationale dans l’origination, la structuration et l’exécution de transactions couvrant M&A, le capital de croissance et la stratégie d’entreprise. Il a dirigé des mandats de création de valeur pour des fondateurs, des entreprises et des fonds — faisant le lien entre la vision du conseil d’administration et une exécution opérationnelle jusqu’à la clôture.
Sa carrière s’étend à Morgan Stanley, HSBC, Lloyds Banking Group, EWEC, aux sociétés du portefeuille d’ADQ et à Emirates Growth Fund, dans les secteurs des TMT, de l’immobilier, de la fintech, de la deeptech, des technologies propres, des infrastructures et de l’énergie. Il a collaboré avec des dirigeants de la C-suite, des fonds de capital-investissement et de capital-risque, des fonds souverains et des family offices pour financer des levées de fonds complexes et des entreprises en phase de scale-up, et a dirigé des initiatives de due diligence M&A, d’intégration post-fusion et de transformation des activités afin de créer de la valeur.
Chez Matchpoint Partners, il est associé gérant et dirige la pratique de financement d’entreprise, M&A et de levée de capitaux du cabinet. Il est titulaire d’un MBA de London Business School, d’un diplôme d’ingénieur de VTU et d’un Master of Laws (LLM, en cours) de UCL London.
Mentor actif auprès de start-up, CK intervient comme mentor auprès de Techstars, DIFC FinTech Hive, Startup Grind, Founder Institute et IN5, occupe le rôle d’Entrepreneur Mentor in Residence (EMiR) à London Business School et est membre du jury de l’Entrepreneurship World Cup.
LinkedIn : https://www.linkedin.com/in/ckadya/
Profil : https://www.matchpoint-partners.com/team/ck-adya.html
