La ville d’Antibes compte une population de 80 000 habitants, passant à plus de 200 000 habitants pendant l’été. L’approvisionnement en eau de la ville est un élément essentiel de son économie touristique. Avec un réseau de distribution de 315 kilomètres et de 40 000 tronçons, elle souhaitait accroître la sécurité et la viabilité économique du système.

Pour expérimenter la numérisation de son infrastructure de distribution d'eau afin de gérer l'eau de manière plus économique et économique au profit de la sécurité de sa population. La Ville s’est associée à des partenaires innovants, SIGFOX, SAP et VEOLIA.

Un réseau intelligent est un ensemble de solutions et de systèmes permettant aux opérateurs de réseaux de contrôler et diagnostiquer les problèmes, de gérer les opérations de maintenance et d’utiliser les données fournies pour optimiser les aspects des réseaux de distribution. Ces nouvelles solutions s’articulent autour d’outils de mesure intelligents (capteurs, débitmètres, compteurs évolués), d’aide à la décision et de communication. Grâce à ces technologies, il est possible d’optimiser :

• la gestion des réseaux (surveillance des réseaux à distance en temps réel et sans intervention humaine sur le terrain, relève des compteurs à distance, etc.) ;

• la gestion de la ressource (prévention de la pollution et des fuites pour mieux respecter les exigences réglementaires et les politiques engagées sur la qualité et la préservation de la ressource, adaptation des traitements et du stockage aux conditions environnementales, etc.) ;

• le service aux consommateurs (meilleure information, rapidité de dépannage) ;

• la consommation d’énergie pour la production et la distribution de la ressource.

L'intelligence des territoires repose donc sur la modernisation des réseaux de distribution de services. Les réseaux intelligents sont également un moyen de respecter de façon transparente et sûre les exigences réglementaires et les politiques engagées sur la qualité et la préservation de la ressource, tout en fournissant aux consommateurs les informations et les outils dont ils ont besoin pour prendre des décisions motivées sur leurs comportements de consommation. Les interventions sur les réseaux seront désormais plus facilement rentabilisées par l’usage des technologies relevant de l’internet des objets pour faire évoluer les modèles économiques de gestion des réseaux de service public vers des solutions « intelligentes » appliquées à l’exploitation et à la maintenance.

Le plus grand défi a résidé dans la mise en œuvre d’un modèle compréhensible, agnostique par rapport aux technologies télécom de remontée d’information, permettant de traiter de très gros volumes de données, d’une manière sécurisée, avec un traitement analytique débouchant sur des prédictions fiables.

L’objectif est d’également pouvoir prévoir le renouvellement des conduites, diagnostiquer les dysfonctionnements avec des outils de prévision pour anticiper, prévoir et optimiser, la modélisation du vieillissement d’un réseau. Un modèle d’analyse prédictive consiste à trouver des relations entre le taux de défaillances et la durée de vie en fonction de paramètres de détérioration. Cependant les interactions entre les différents paramètres sont si nombreuses qu’il est très difficile d’établir des modèles déterministes à l’échelle d’un réseau. Il s’agit donc de réduire la complexité par un modèle de nature statistique et économique, nécessitant quand même un très grand nombre de données sur un historique le plus grand possible.

Deux types de données sont utilisés par le modèle prédictif : statiques et temps-réel. Les données statiques font référence aux informations de localisation et aux caractéristiques techniques des éléments du réseau (ex, conduite, raccordement, vanne, collecteur). Les données temps réel renseignent sur la charge du réseau avec des informations de pression et de débit. Ces informations sont fournies par des compteurs intelligents distribués sur le réseau. Toutes ces données sont utilisées par le modèle prédictif pour la maintenance du réseau d’eau. Ainsi, la sécurisation de ces données joue alors un rôle essentiel dans la fiabilité et la qualité de la maintenance prédictive. La sécurisation des données de bout en bout constitue ici un des aspects structurant de cette étude.

A noter que la valeur du modèle et la capacité technique à traiter de très gros volumes d’information a constitué un des challenges les plus importants du projet.

Les axes de développement ont ainsi concerné les réseaux sans fil au service de réseaux de distribution intelligents, l’analyse prédictive sur la base des données remontées et la confrontation du modèle par rapport aux contraintes opérationnelles du réseau réel.