Machine-learning, Intelligence Artificielle(IA), sites contaminés et industries : quelles perspectives pour le machine-learning et l’IA dans le domaine des sites et sols pollués ?

En France, l’objectif de dépollution est défini individuellement pour chaque site en fonction des contraintes sanitaires et des caractéristiques de la contamination (localisation spatiale, masse totale de polluant, etc.). Ce seuil est flexible, il inclut des aspects économiques de coûts de traitement, les contraintes terrains et va de pair avec la notion de pollution résiduelle qui correspond à la pollution laissée sur site. La possibilité de ‘personnaliser’ le seuil de décontamination d’un site  est précieuse car elle offre de l’élasticité et permet de s’ajuster de façon raisonnée au cas par cas. Mais elle apporte également une contrainte : celle de caractériser la contamination le plus précisément possible ! La géostatistique et le machine-learning sont des leviers pour améliorer la caractérisation des sites contaminés, diminuer les coûts associés et avoir une gestion environnementale plus efficace de nos territoires.
Ces technologies apportent des outils puissants pour traiter les données environnementales et permettent de valoriser des sources d’informations trop souvent mises de côté.