Un risque territorial traverse rarement un seul métier. Une alerte météorologique peut avoir des conséquences sur la voirie, les bâtiments, l’énergie, l’eau, les transports ou les personnes vulnérables. Chaque source de données répond à une question particulière ; leur rapprochement permet d’en poser une nouvelle : quelles conséquences cet événement peut-il produire ici, maintenant, sur ce territoire ?
La plateforme de données joue un rôle d’intermédiation : elle connecte les sources, harmonise les informations utiles et facilite leur réutilisation. Les superviseurs métiers restent nécessaires pour exploiter finement leurs équipements. L’hypervision rapproche ensuite les informations qui intéressent plusieurs services et peut restituer une situation commune au poste de commandement.
Cette organisation répond directement à la logique des Plans communaux et intercommunaux de sauvegarde : le PCS prépare les procédures de réponse à des événements de nature très différente, tandis que le PICS permet notamment de mobiliser des moyens intercommunaux et de maintenir des compétences comme la voirie, l’eau potable ou l’assainissement pendant la crise. Environ 22 000 communes sont aujourd’hui soumises à l’obligation d’élaborer un PCS, et près de 1 100 intercommunalités sont concernées par les PICS.
Introduction
Un épisode orageux peut provoquer simultanément une montée des eaux, une coupure électrique, la fermeture d’une route et l’évacuation d’un établissement sensible. Une vague de chaleur peut affecter les bâtiments publics, les personnes vulnérables, l’état de certains équipements et l’organisation des services. Un incendie peut modifier les conditions de circulation, mobiliser les secours, menacer des réseaux et nécessiter l’information de la population.
Dans ces situations, chaque métier dispose souvent de son propre outil : supervision technique, SIG, logiciel de voirie, données météorologiques, capteurs IoT, application métier, remontées terrain. Ces systèmes peuvent fonctionner correctement pris séparément tout en laissant subsister une difficulté : aucun ne décrit à lui seul l’ensemble de la situation.
C’est ici que le croisement des données prend son intérêt. Une plateforme de données permet de réunir des informations produites par des systèmes différents, de les historiser et de les mettre en relation. L’hypervision apporte ensuite une lecture transversale de ces informations, sans retirer aux superviseurs métiers leur fonction d’exploitation spécialisée.
L’objectif n’est pas de concentrer toutes les décisions dans un écran. Il est de donner aux équipes qui coordonnent la réponse une vision suffisamment complète pour comprendre les interactions et arbitrer plus vite.
« En crise, le problème n’est pas forcément de manquer de données, mais de devoir consulter dix outils pour les comprendre. »
Un risque dépasse souvent les frontières d’un seul métier
Un événement environnemental produit rarement une conséquence unique.
Un orage combine par exemple plusieurs phénomènes : pluies intenses, rafales de vent, foudre ou grêle. Météo-France rappelle que chacun peut lui-même provoquer des dommages différents.
Une collectivité peut donc recevoir simultanément une vigilance météorologique, des signalements de branches tombées, une hausse du niveau d’un cours d’eau, des défauts électriques et des remontées concernant des routes devenues impraticables.
Traiter séparément ces informations permet à chaque service d’exercer son métier. Cela devient plus difficile lorsqu’il faut déterminer leurs interactions.
Une coupure électrique prend par exemple une autre importance si elle concerne un établissement accueillant des personnes fragiles. Une route inondée devient prioritaire si elle constitue également un accès nécessaire aux secours. Une forte chaleur ne se résume pas à une température : elle peut modifier l’ouverture d’équipements, les conditions de travail des agents ou la prise en charge de certaines populations.
La gestion de crise est elle-même organisée selon cette transversalité. Le dispositif ORSEC coordonne, sous l’autorité du préfet, des acteurs aussi différents que les services d’incendie et de secours, le SAMU, les forces de sécurité, les collectivités, les opérateurs de réseaux ou les associations agréées. À l’échelle communale, le PCS doit également recenser les risques, les enjeux humains et stratégiques, les moyens disponibles et l’organisation du poste communal de commandement.
La donnée territoriale doit pouvoir suivre cette même logique transversale.
Chaque source de données éclaire une partie de la situation
Une donnée météorologique décrit un phénomène atmosphérique. Une donnée routière décrit l’état d’un axe. Un capteur renseigne sur un équipement ou un point précis. Le SIG indique où se trouvent une école, un EHPAD, un réseau électrique ou une zone exposée. Une remontée terrain peut enfin confirmer que l’événement produit déjà des conséquences visibles.
Aucune de ces données n’est redondante : elles répondent à des questions différentes.
Source |
Question à laquelle elle répond |
Exemple en situation de risque |
|---|---|---|
Le croisement commence lorsque ces questions doivent être traitées ensemble.
Météo-France en donne un exemple intéressant avec l’évolution de sa Vigilance. Depuis septembre 2026, les phénomènes Vent, Orages, Pluie-inondation et Neige-verglas peuvent intégrer une information infra-départementale, afin de préciser les secteurs réellement concernés lorsque la prévision le permet.
Cette précision géographique devient beaucoup plus utile lorsqu’elle peut être rapprochée des données propres au territoire. Une zone de fortes pluies peut alors être comparée au réseau routier, aux cours d’eau surveillés, aux ouvrages sensibles ou aux équipements présents sur le secteur.
Le même raisonnement vaut pour les données de prévention. Géorisques met à disposition des informations sur les plans de prévention, les atlas de zones inondables, les DICRIM ou les reconnaissances de catastrophe naturelle. L’Observatoire national des risques naturels documente également pour ses indicateurs leur échelle de pertinence, les données mobilisées et leurs limites d’utilisation.
Croiser les sources suppose donc aussi de conserver leur contexte : une donnée nationale, une mesure terrain et une donnée patrimoniale n’ont ni la même fréquence de mise à jour, ni le même niveau de précision, ni la même fonction.
Plateforme, superviseur et hypervision : des fonctions différentes
La multiplication des données conduit parfois à employer indifféremment les termes de supervision, plateforme de données et hypervision. Les trois fonctions sont pourtant distinctes.
« Le superviseur est généralement multi-sources mais mono-métier. L’hyperviseur apporte une couche supérieure multi-métiers. Sur notre plateforme, nous avons des hyperviseurs qui intègrent entre 50 et 80 sources de données hétérogènes. »
— Alexis Semmama, directeur général d’Eridanis
Le superviseur reste l’outil d’exploitation métier
Un superviseur d’éclairage public, de bâtiment ou d’un réseau technique permet d’exploiter finement les équipements dont il a la charge : visualiser leurs états, modifier des paramètres, acquitter certaines alarmes ou réaliser des opérations spécialisées.
Chercher à reproduire toutes ces fonctions dans l’hypervision peut au contraire complexifier l’architecture.
C’est l’un des enseignements du retour d’expérience de Châlons-en-Champagne. Le projet prévoyait initialement que l’hyperviseur permette de modifier directement certains paramètres métier, comme le débit d’arrosage ou la température des bâtiments. Cette ambition a été revue : les superviseurs spécialisés réalisaient déjà correctement ces opérations, pour un coût inférieur. L’hypervision a été recentrée sur l’agrégation, les alertes et l’aide à la décision.
La plateforme de données crée la continuité entre les systèmes
La plateforme intervient à un autre niveau. Elle se connecte aux sources existantes — capteurs IoT, anciens logiciels, bases de données ou superviseurs — afin de rendre leurs informations réutilisables par plusieurs applications.
Dans l’architecture décrite par Alexis Semmama, l’hyperviseur n’a ainsi pas vocation à devenir lui-même l’entrepôt de toutes les données : la plateforme de données sous-jacente assure la connexion, le stockage et la mise à disposition des informations, tandis que l’hypervision constitue la couche de restitution et de pilotage.
Cette séparation apporte également un avantage lorsque de nouveaux usages apparaissent. Une donnée déjà connectée à la plateforme peut alimenter plusieurs tableaux de bord, applications ou traitements sans reconstruire une intégration spécifique entre chaque couple de logiciels.
Le prérequis reste la qualité des flux. Inventorier les données disponibles, obtenir des API documentées et mettre en place des processus de qualification sont identifiés dans le même retour d’expérience comme des conditions nécessaires avant d’envisager l’hypervision ou l’IA.
Le poste de commandement transforme l’information en décision
Croiser les données n’a d’intérêt que si cette vision commune sert les personnes chargées de coordonner la réponse.
Dans le retour d’expérience de Châlons-en-Champagne, la démarche d’hypervision répondait initialement à une difficulté très concrète : plusieurs services techniques intervenaient sur l’espace public sans disposer d’une lecture suffisamment commune de leurs activités. Un poste de commande centralisé a été conçu pour agréger les informations provenant des différents superviseurs et coordonner les interventions des équipes terrain.
Cette logique rejoint directement celle du poste communal de commandement prévu dans le PCS.
La Sécurité civile insiste sur le caractère opérationnel de ce plan : les procédures et l’organisation doivent être préparées avant l’événement afin que la collectivité n’ait pas à les reconstruire lorsque la crise survient.
L’hypervision peut alors faciliter plusieurs tâches :
- rassembler les événements actifs sans demander à l’opérateur d’ouvrir successivement plusieurs applications ;
- localiser leurs interactions, par exemple une route coupée à proximité d’un équipement sensible ;
- mettre en avant les données utiles au niveau de décision concerné ;
- partager une même situation de référence entre plusieurs métiers ;
- conserver l’historique des événements et des actions engagées pour analyser ensuite la gestion de l’épisode.
Cette vision commune ne supprime pas l’analyse humaine. Elle lui retire une partie du travail de recherche et de rapprochement manuel de l’information.
C’est une différence importante : l’hypervision ne transforme pas automatiquement une accumulation de données en décision. Elle réduit le temps nécessaire pour comprendre ce qui se passe et permet aux responsables de travailler sur une information plus cohérente.
« L’hyperviseur seul ne résout pas tous les besoins opérationnels. »
— Alexis Semmama, directeur général d’Eridanis
La phrase mérite d’être conservée parce qu’elle résume précisément la place de l’outil : une brique au service d’une organisation, et non un substitut au métier ou au commandement.
Croiser les données pour anticiper les effets en chaîne
La première utilité du croisement consiste à comprendre une situation actuelle. L’historisation permet ensuite de travailler sur ce qui pourrait suivre.
Lorsqu’un territoire conserve plusieurs années de données sur les phénomènes météorologiques, les interventions, les états des équipements ou les perturbations rencontrées, il devient possible de rechercher des configurations récurrentes.
Une combinaison de fortes précipitations, d’un niveau d’eau en hausse et d’un sol déjà saturé peut précéder certaines difficultés routières. Des températures élevées prolongées peuvent être rapprochées de l’usage des bâtiments et des interventions auprès de populations fragiles. Un épisode venteux peut être comparé aux incidents passés sur certains secteurs boisés ou réseaux aériens.
L’IA peut progressivement renforcer cette analyse lorsqu’un historique suffisamment propre existe. Elle peut aider à détecter des corrélations difficiles à suivre manuellement, rechercher des situations comparables ou signaler une trajectoire inhabituelle avant qu’un indicateur isolé ne franchisse son seuil.
Ce type de traitement ne dispense pas de connaître l’origine de chaque donnée. La qualité des modèles dépend de la continuité des séries, de leur précision géographique, de leur fréquence et de la stabilité de leur définition dans le temps.
Le croisement multi-sources permet surtout de passer d’une logique où chaque métier surveille son propre symptôme à une lecture où plusieurs signaux contribuent à décrire un même événement territorial.
C’est particulièrement important dans la gestion des risques : les phénomènes naturels ne suivent ni les limites administratives ni l’organisation interne des collectivités. Le retour d’expérience Châlons souligne d’ailleurs l’intérêt de mutualiser les infrastructures de données à une échelle plus large lorsque plusieurs communes ou acteurs doivent partager une même information.
La plateforme de données, l’hypervision et l’IA répondent alors à trois besoins différents mais complémentaires : faire circuler l’information entre les systèmes, construire une lecture commune de la situation et exploiter les historiques pour identifier plus tôt certaines évolutions.
L’intérêt du croisement ne réside donc pas dans la centralisation pour elle-même. Il apparaît lorsqu’une information provenant d’un métier permet à un autre acteur de comprendre plus tôt une conséquence qui le concerne et d’adapter son action.
