L’IA et les collectivités territoriales sont au cœur des actualités liées à la transformation numérique du secteur public. Cette innovation ouvre de nouvelles perspectives pour améliorer les services publics, optimiser les ressources et répondre aux besoins locaux.
Dans une société confrontée à des contraintes budgétaires et à des enjeux croissants de transition écologique, l’intelligence artificielle peut aider les collectivités à anticiper les évolutions de leur territoire et à éclairer leurs décisions.
Mais pour passer de l’expérimentation à des résultats concrets, le déploiement de projets IA repose sur un préalable essentiel : disposer de données fiables, structurées et maîtrisées. De la rénovation énergétique des bâtiments à l’assistance aux agents, découvrez les principaux usages de l’IA dans les territoires et les conditions nécessaires à leur réussite.
Introduction
Détecter une fuite, prévoir une tension sur la ressource ou ajuster un arrosage ne mobilisent ni les mêmes données, ni la même temporalité, ni la même décision métier.
Pour une collectivité, le point de départ consiste à définir précisément la décision que l’IA devra permettre d’améliorer, puis à vérifier que les données nécessaires existent, sont suffisamment fiables et peuvent être croisées.
1. Localiser une fuite
Un débit ou une consommation anormale permet de signaler qu’un problème existe. Pour réduire ensuite la zone de recherche, il faut enrichir cette mesure avec la connaissance du réseau : tracé SIG, topographie, âge et matériau des canalisations, historique des réparations, conditions météorologiques ou encore évolution de la demande.
En France, le rendement moyen du réseau de distribution d’eau potable était de 81,3 % en 2022. Près d’un litre sur cinq est donc perdu avant d’arriver à l’usager.
Source : Office français de la biodiversité
Cette donnée change la manière de raisonner sur l’IA. La détection d’une surconsommation répond à une première question : y a-t-il probablement une fuite ? Le croisement avec les données patrimoniales, topographiques et environnementales doit ensuite répondre à une seconde : où faut-il chercher en priorité ?
Niveau d’information |
Ce que l’on peut décider |
|---|---|
Débit ou consommation anormale
|
Déclencher une vérification
|
Sectorisation du réseau
|
Réduire le périmètre de recherche
|
SIG + topographie + patrimoine + historique + contexte
|
Prioriser les zones et orienter les équipes
|
L’IA apporte ici de la valeur lorsque l’on passe de la détection d’une anomalie à la priorisation d’une intervention terrain.
2. Prévoir la demande
La consommation passée fournit une première chronique. Sa valeur augmente lorsqu’elle peut être rapprochée des variations saisonnières de population, des périodes calendaires, des conditions météorologiques et des caractéristiques locales de consommation.
Dans certains territoires étudiés, les variations démographiques saisonnières peuvent atteindre ±50 % entre deux périodes de l’année. Assises de l’IA – cas de Haute-…
Une telle amplitude modifie directement les volumes à produire, stocker ou mobiliser. La donnée historique de consommation ne suffit donc pas toujours. Une prévision exploitable peut nécessiter de rapprocher plusieurs variables :
- consommations historiques et récentes ;
- saisonnalité et calendrier ;
- évolution de la population présente ;
- météo et températures ;
- capacités disponibles en production et en stockage.
L’objectif est d’estimer les besoins futurs avec suffisamment d’anticipation pour adapter la production, le stockage ou les prélèvements avant que la variation de demande ne devienne une contrainte d’exploitation.
3. Anticiper une dégradation de la qualité
Ici, la difficulté porte autant sur la qualité de la donnée que sur le modèle. Les séries doivent être suffisamment homogènes et comparables dans le temps pour distinguer une dérive réelle d’une anomalie de mesure.
Selon le réseau et le risque suivi, différents paramètres physico-chimiques peuvent alimenter la surveillance, complétés par les analyses réglementaires.
En 2024, environ 830 000 habitants, soit 1,2 % de la population, ont été alimentés au moins une fois par une eau non conforme sur les paramètres considérés dans le bilan national, certaines situations ayant pu conduire à des restrictions temporaires d’usage.
Source : Santé Gouvernementale
Pour un système d’alerte, trois situations ne doivent donc pas produire automatiquement la même réponse :
L’enjeu consiste à détecter suffisamment tôt une évolution réellement significative tout en évitant de multiplier les alertes dues à une mesure isolée ou défaillante.
4. Optimiser l’arrosage
Une décision d’arrosage peut combiner les prévisions météorologiques, l’humidité du sol, ses caractéristiques, l’essence végétale, son âge et l’état hydrique observé.
Cette granularité compte particulièrement pour de jeunes plantations, dont les besoins et la vulnérabilité ne sont pas ceux d’un végétal déjà installé. Assises de l’IA – cas de Haute-…
Pour passer de l’observation à la décision, plusieurs informations doivent être rapprochées :
- l’humidité mesurée, pour déterminer si le sol justifie réellement un apport ;
- les prévisions météorologiques, pour savoir si une pluie attendue permet de différer l’intervention ;
- le type de sol et sa capacité à retenir l’eau ;
- l’essence et l’âge du végétal ;
- l’historique des apports déjà réalisés.
L’analyse sert alors à ajuster le moment et la quantité d’eau apportée à la situation réelle, plutôt qu’à appliquer un calendrier uniforme.
La décision devient beaucoup plus précise : où arroser, quand intervenir et quelle quantité apporter, avec une attention particulière aux plantations dont la vulnérabilité justifie une priorité.
5. Simuler crues et sécheresses
Anticiper un risque hydrologique nécessite de consolider des historiques de niveaux d’eau, de débits et de pluviométrie avec les données météorologiques et, selon le besoin, les informations relatives aux prélèvements ou à la disponibilité de la ressource.
L’analyse sert à comparer plusieurs trajectoires possibles, repérer plus tôt une évolution défavorable et préparer les mesures de gestion avant que la situation ne devienne critique.
L’échelle de l’enjeu est très concrète. En 2025, 78 départements français ont été soumis à des restrictions d’usage de l’eau. Au 9 août 2026, l’ensemble des 99 départements métropolitains étaient au minimum en vigilance, 67 étaient en situation de crise et près de 70 % du territoire français faisait l’objet de restrictions d’usage.
Source : Ministères Écologie et Territoire
Dans ce contexte, simuler plusieurs scénarios permet de préparer des décisions différentes selon la trajectoire observée :
Évolution anticipée |
Décision à préparer |
|---|---|
L’intérêt n’est donc pas uniquement de prévoir une valeur future. La simulation permet aussi de tester les conséquences possibles de plusieurs décisions avant de devoir les appliquer.
De la donnée à la décision métier
Cette diversité d’usages rejoint une lecture plus globale de la gestion de l’eau formulée par Alexis Semmama :
« La gestion de l’eau répond à trois configurations : le manque d’eau, le surplus d’eau ou la présence d’eau au mauvais endroit. »
— Alexis Semmama, Directeur général d’Eridanis
Prévision de la demande, détection de fuite, qualité, arrosage, sécheresse ou crue reposent sur des modèles différents, mais rencontrent une même exigence opérationnelle : faire correspondre les données mobilisées à la décision réellement attendue par le métier.
Avant de lancer un cas d’usage, trois questions permettent de cadrer le besoin :
- Quelle décision métier veut-on améliorer ?
- Quelles données permettent réellement de l’éclairer ?
- Quelles données doivent encore être fiabilisées, historisées ou rendues interopérables ?
Les réponses permettent ensuite de dimensionner l’instrumentation, la profondeur d’historique, les croisements de données et le modèle réellement nécessaires.
Pour aller plus loin
EXEMPLE CONCRET
Somme Numérique - Surveillance des niveaux d’eau
Objectifs du projet :
- À court terme : automatiser la prise de mesures des hauteurs d’eau. Les communes disposent ainsi de données plus fiables, plus fréquentes et moins dépendantes des observations manuelles sur le terrain.
- À moyen et long terme : aller plus loin et anticiper les fluctuations des niveaux d’eau, mieux identifier les situations à risque et permettre, à terme, le contrôle du vannage.
En savoir plus >
2
communes équipées de capteurs
32 650
habitants concernés
5
ponts équipés de capteurs d’hauteur d’eau
