Des ingénieurs japonais ont développé un modèle utilisant l’intelligence artificielle pour mieux prédire la stabilité du sous-sol. Selon ses créateurs, l’outil peut empêcher la construction dans des endroits sujets à des tremblements de terre, voire à des gouffres.
Dans les pays sujets aux tremblements de terre comme le Japon, l’une des menaces qui pèsent sur les infrastructures est la ‘liquéfaction‘. Avec ce phénomène, des vibrations intenses font perdre de la consistance à un sol contenant beaucoup d’eau et qui va se comporter soudainement comme un liquide. La liquéfaction peut entraîner l’enfoncement de bâtiments dans le sol, la fissuration des fondations et la formation de grands trous dans les routes où s’enfoncent des voitures, des maisons ou des personnes.
A mesure que les villes s’agrandissent dans le monde entier, la menace de catastrophes naturelles constitue une préoccupation dont les urbanistes doivent tenir compte. Car ces phénomènes naturels peuvent aussi provoquer des vibrations qui déclenchent la liquéfaction.
Apprentissage automatique
Les dégâts dus à la liquéfaction sont souvent importants. C’est ainsi que le tremblement de terre de Tōhoku au Japon a provoqué une liquéfaction qui a endommagé au moins un millier de maisons. Et en 2011, un tremblement de terre à Christchurch, en Nouvelle-Zélande, a aussi provoqué une liquéfaction. Quelque quatre-vingts pour cent de tous les services publics tels que les réseaux d’eau et d’égouts ont été détruits. Enfin, en 2024, le tremblement de terre de Noto au Japon a provoqué une liquéfaction affectant 6.700 habitations.
Les scientifiques Shinya Inazumi et Yuxin Cong de l’Institute of Technology Shibaura ont désormais développé des modèles d’apprentissage automatique qui prédisent la réaction du sol lors des tremblements de terre. Ils utilisent des données géologiques pour créer des cartes 3D des couches de sol. Outre les zones stables, les zones les plus susceptibles de se liquéfier sont également indiquées.
Infrastructure stable
‘Notre recherche constitue une méthode de prévision précise pour des zones inconnues et démontre le potentiel important de l’apprentissage automatique en ingénierie géotechnique’, explique le professeur d’ingénierie Shinya Inazumi. ‘Ces modèles de prévision améliorés permettent une planification des infrastructures plus sûre et plus efficace, ce qui est crucial pour les régions sujettes aux tremblements de terre.’
Les chercheurs espèrent que leur carte fournira une aide visuelle précieuse aux ingénieurs civils pour identifier les chantiers de construction appropriés, caractérisés par des sols stables. Ils considèrent leur méthode comme un facteur important pour la croissance des villes intelligentes et soulignent l’importance des stratégies basées sur les données dans le développement urbain et la planification des infrastructures.
