Optimisation pilotée par les données et prédiction du module au pénétromètre à pression par méthodologie de surface de réponse pour une conception géotechnique plus intelligente

Pourquoi des essais de sol plus intelligents sont importants

Avant la construction d’un bâtiment, d’un pont ou d’une route, les ingénieurs doivent savoir dans quelle mesure le terrain résiste lorsqu’il est chargé. Si cette résistance est sous-estimée, les fondations peuvent s’enfoncer ou céder ; si elle est surestimée, les projets deviennent inutilement coûteux. Cet article explore une manière moderne et fondée sur les données de prédire la rigidité du sol, en utilisant un essai de terrain appelé essai au pénétromètre à pression et des outils statistiques qui extraient beaucoup plus d’informations à partir d’un nombre limité de mesures.

Mesurer la « reprise élastique » du sol

Sur le terrain, les ingénieurs introduisent souvent une sonde cylindrique dans un forage étroit et l’inflent lentement contre le sol environnant. En enregistrant l’augmentation de volume de la sonde pour une augmentation donnée de pression, ils peuvent calculer le module au pénétromètre, Ep, une mesure de la rigidité du sol. Ep influence fortement la compression des fondations sous charge. Les méthodes traditionnelles pour estimer Ep reposent soit sur des formules simples, soit sur de nombreux essais répétés, qui peuvent être coûteux, longs et incertains. Les auteurs se demandent si un ensemble d’essais soigneusement conçu, associé à des statistiques modernes, peut prédire Ep plus précisément tout en réduisant l’effort sur le terrain.

Moins d’essais, mais plus pertinents

L’étude se concentre sur quatre propriétés du sol connues pour influencer la rigidité : la profondeur de l’essai, l’adhérence du sol (cohésion), la résistance au glissement des grains entre eux (angle de frottement interne) et le poids volumique du sol (masse volumique). Plutôt que de tester toutes les combinaisons possibles, les chercheurs utilisent une approche appelée méthodologie de surface de réponse. Ils conçoivent 35 cas d’essai ciblés qui font varier systématiquement ces quatre propriétés sur des plages réalistes. Avec ce plan, chaque essai joue un double rôle : il fournit une valeur directe d’Ep et, avec les autres, aide à cartographier comment Ep évolue sur l’ensemble des conditions.

Détecter des motifs dans un paysage à quatre dimensions

À partir des 35 essais, les auteurs construisent une surface mathématique qui relie les quatre variables d’entrée à Ep. Ils vérifient ensuite la concordance de cette surface avec les mesures à l’aide de contrôles statistiques standard. Le modèle explique environ 96,5 % de la variation observée d’Ep, ce qui signifie que les valeurs prédites correspondent étroitement aux résultats de terrain. L’analyse montre que deux facteurs — la cohésion et la masse volumique — dominent le comportement : les sols plus cohésifs et plus denses tendent à être beaucoup plus rigides. L’angle de frottement a également une influence, mais moins marquée, tandis que la profondeur, dans la fourchette étudiée, n’a qu’un effet direct modeste. L’équipe met aussi au jour des combinaisons importantes, par exemple la façon dont la masse volumique, associée à la cohésion ou à l’angle de frottement, peut fortement augmenter ou diminuer Ep, révélant que ces propriétés n’agissent pas isolément.

Recherche des conditions de sol les plus favorables

Pour transformer cette compréhension en conseils pratiques, les chercheurs appliquent une technique d’optimisation connue sous le nom de fonction de désirabilité. En termes simples, ils demandent à l’ordinateur de « rechercher » au sein de conditions de sol réalistes des combinaisons qui maximisent Ep tout en respectant des limites d’ingénierie. Le résultat n’est pas un point parfait unique mais une large zone de combinaisons favorables où Ep est élevé et où les prédictions du modèle sont fiables. C’est rassurant pour la pratique : cela signifie que de petites variations des conditions sur le terrain produisent encore de bonnes performances du sol, et les ingénieurs disposent d’une marge de manœuvre pour choisir la profondeur des fondations ou accepter une plage d’améliorations du sol pour atteindre des niveaux de rigidité sûrs.

Ce que cela signifie pour les fondations réelles

Pour les non-spécialistes, le message clé est que l’on peut désormais obtenir des informations plus fiables sur le comportement du sol sous un ouvrage sans augmenter de façon drastique le temps ou le coût. En combinant un essai de terrain bien établi avec une planification expérimentale intelligente et une modélisation statistique, ce travail montre comment prédire la rigidité du sol à partir d’un jeu de données relativement restreint et met en lumière les caractéristiques du sol qui comptent le plus. En pratique, cela signifie des fondations plus sûres, des investigations de site mieux ciblées et une incertitude réduite, notamment pour les projets où des essais à grande échelle ou de vastes collectes de données ne sont pas réalisables.

Citation: Boukhatem, G., Bencheikh, M., Bekkouche, S.R. et al. Data-driven optimization and pressuremeter modulus prediction using response surface methodology for smarter geotechnical design. Sci Rep 16, 5679 (2026). https://doi.org/10.1038/s41598-026-36262-2

Mots-clés: rigidité du sol, conception des fondations, essai pénétrométrique à pression, modélisation statistique, optimisation géotechnique