Jumeaux numériques : comment Junon veut mieux anticiper l’état des ressources en eau
- Abdessamad ATTIGUI
- 11 août
- 5 min de lecture
Présenté en mai dernier à l’occasion de Cycl’Eau Mont-Blanc 2026, le programme Junon explore le potentiel des jumeaux numériques pour mieux suivre et anticiper l’évolution des ressources en eau.
Le programme Junon, piloté par le BRGM, explore le potentiel des jumeaux numériques pour mieux comprendre, surveiller et anticiper l’évolution des ressources hydriques. À travers le projet Juneau, présenté dans le cadre du Cycl'Eau Mont-Blanc, la nappe de Beauce sert de territoire laboratoire pour développer des outils capables de simuler à la fois la quantité et la qualité des eaux souterraines.
Gérer une ressource en eau ne consiste plus seulement à mesurer son état à un instant donné. Avec le programme Junon, le BRGM cherche à franchir une étape supplémentaire en développant des jumeaux numériques territoriaux capables de représenter le fonctionnement d’un système physique, d’intégrer automatiquement de nouvelles données et de produire des analyses prédictives à long terme.
Piloté sous la direction de Sébastien Dupraz, Junon représente un investissement global de plus de 12 millions d’euros. Ce consortium public-privé, principalement financé par la région Centre-Val de Loire, place notamment les enjeux d’agriculture et de productivité au cœur de sa réflexion sur la gestion durable des ressources naturelles.
L’objectif est désormais de passer d’une logique de simple observation à une capacité d’anticipation. Dans cette approche, le jumeau numérique constitue « une représentation d’un système physique permettant d’automatiser les transferts de données et de simuler différents scénarios », explique Sébastien Dupraz. Pour les territoires, l’enjeu est notamment de disposer d’une vision plus dynamique de l’état de leurs ressources en eau afin de mieux éclairer les décisions.
La nappe de Beauce, un territoire laboratoire
Cette ambition prend une forme concrète avec le projet JUNEAU, qui constitue la brique amont de Junon dédiée à la quantité et à la qualité des eaux souterraines. La nappe libre de Beauce a été retenue comme « territoire laboratoire » pour développer deux jumeaux numériques complémentaires : EAU-Quantité, consacré à la disponibilité future de la ressource, et EAU-Qualité, destiné à anticiper l’évolution de contaminants comme les nitrates et les pesticides.
D’après le site de présentation du projet, JUNEAU croise plusieurs sources de données pour alimenter ses modèles, notamment les bases ADES et BSS, ainsi que les données issues du programme PIVOTS, à travers les plateformes O-ZNS et DECAP. Le dispositif s’appuie également sur des points instrumentés, des capteurs piézométriques, des stations météorologiques et des observatoires nationaux.
Cette accumulation de données permet d’actualiser la cartographie piézométrique de la nappe en quasi-temps réel. Les gestionnaires peuvent ainsi disposer d’une représentation dynamique de son état, à une échelle qui était auparavant « totalement impossible à faire dans le passé », lance Sébastien Dupraz.
La finesse de cette représentation doit également permettre de sectoriser l’aquifère, afin de distinguer les zones présentant un fonctionnement homogène de celles soumises à des influences particulières. Le secteur sud, par exemple, est lié à la Loire, tandis que le secteur est en contact avec les sables de Fontainebleau, apprend-on via la présentation du projet.
De la mesure à la prévision
L’intérêt du jumeau numérique ne réside toutefois pas uniquement dans la visualisation de la situation actuelle. Avec EAU-Quantité, JUNEAU vise à anticiper les risques de sécheresse ou d’inondation de nappe, en simulant les effets locaux du changement climatique à partir de modèles neuronaux ou hybrides.
Le volet EAU-Qualité poursuit une logique comparable, mais appliquée aux contaminants. Il cherche à identifier différents profils de comportement face aux polluants et s’appuie notamment sur le déploiement de sondes in situ pour assurer un suivi continu.
Cette capacité prédictive repose en grande partie sur le machine learning. Ces outils peuvent traiter des volumes de données considérables et mettre en évidence des phénomènes difficiles à identifier par une analyse humaine seule. Ils présentent toutefois une limite importante : leur fonctionnement peut parfois relever de « l’effet boîte noire ». Sébastien Dupraz souligne ainsi un « défaut très fréquent d’explicabilité » des réseaux de neurones. Autrement dit, même lorsque la mathématique sous-jacente est maîtrisée, il peut être difficile de comprendre précisément comment l’algorithme est parvenu à un résultat donné.
Junon explore donc des approches permettant de rendre ces modèles plus interprétables. Parmi elles figurent les PINNs (Physics-Informed Neural Networks), qui intègrent les lois fondamentales de la physique dans l’apprentissage de l’intelligence artificielle. L’objectif est de produire des résultats plus cohérents avec le fonctionnement physique des systèmes étudiés et donc plus exploitables par les experts.
Des outils d’aide à la décision pour les territoires
À terme, l’ambition de JUNEAU est de transformer cette masse de données et ces modèles complexes en services numériques concrets pour les acteurs locaux. Prévisions saisonnières et outils d’aide à la décision doivent ainsi permettre de mieux anticiper l’évolution de la ressource et d’accompagner sa gestion.
Cette approche rejoint l’objectif plus large de Junon : accompagner les collectivités dans la création de jumeaux numériques territoriaux, notamment dans le cadre d’une démarche d’assistance à maîtrise d’ouvrage. L’interopérabilité des systèmes constitue à ce titre un enjeu central, afin de pouvoir faire dialoguer les différentes sources de données et les outils utilisés par les territoires.
La question de la sécurité accompagne également cette montée en puissance du numérique. Les données environnementales disposent d’une « valeur commerciale » et peuvent donc faire l’objet de tentatives de vol. Des collaborations avec l’INSA Centre-Val de Loire permettent notamment de travailler au déploiement de « honeypot », des pots de miel destinés à détecter et identifier les tentatives d’intrusion dans les infrastructures.
Vers une gestion plus frugale de la ressource… et du numérique
L’autre enjeu posé par Junon concerne la quantité de données nécessaire au fonctionnement de ces modèles. L’IA est « vorace en données. Sans entraînement suffisamment rigoureux, elle risque de ne pas être plus efficace que les méthodes traditionnelles, voire de produire des résultats erronés », ajoute Sébastien Dupraz.
Cette contrainte conduit le programme à rechercher une forme de frugalité numérique. Il s’agit d’optimiser le nombre de capteurs tout en conservant une efficacité maximale de surveillance. Cette recherche de sobriété fait écho à la finalité même des jumeaux numériques développés dans Junon et JUNEAU. L’objectif n’est pas seulement d’accumuler des données sur les nappes, mais de sélectionner les informations pertinentes, de les croiser avec des modèles physiques et de les transformer en outils utilisables par les gestionnaires.
Le projet doit ainsi préparer sa transition vers une phase opérationnelle sous forme d’association à la fin de l’année 2026. À travers cette évolution, Junon entend rapprocher la recherche, les technologies numériques et les besoins des territoires pour faire des jumeaux numériques un outil d’anticipation de la quantité et de la qualité des eaux souterraines.
