Évaluation de la qualité des eaux souterraines pour l’agriculture en utilisant des techniques indiciaires et d’apprentissage automatique dans l’aquifère d’Ouled Djellal, Sud de l’Algérie

Pourquoi l’eau sous le désert compte

Dans la ville pré-saharienne d’Ouled Djellal, dans le sud de l’Algérie, des eaux souterraines cachées maintiennent vivants les exploitations agricoles, les familles et les palmeraies. À mesure que la sécheresse s’aggrave et que les puits s’épuisent, les populations dépendent de plus en plus de cette ressource invisible. Mais si l’eau devient trop salée ou chimiquement déséquilibrée, les sols peuvent être endommagés et les cultures compromettre. Cette étude pose une question simple mais urgente : les eaux souterraines ici sont-elles encore suffisamment bonnes pour produire des aliments — et comment peut-on prédire plus intelligemment leur qualité future ?

La ligne de vie souterraine d’une ville du désert

Ouled Djellal se situe dans une zone chaude et sèche où la pluie est rare et les oueds sont majoritairement des lits temporaires. Les agriculteurs pompent l’eau d’un aquifère peu profond composé de sables, de graviers et d’argiles sous l’oued principal. Cet aquifère, bien que peu profond et de rendement limité, constitue la principale source d’eau pour les ménages et l’agriculture, notamment les palmiers-dattiers. Parce que la recharge naturelle par les pluies est limitée et que les prélèvements pour l’irrigation sont importants, même de petits changements de qualité ou de niveau d’eau peuvent avoir des effets disproportionnés sur les moyens de subsistance locaux.

Quand sels naturels et activités humaines se mêlent

Les chercheurs ont prélevé 23 échantillons d’eau souterraine dans des puits répartis sur la région et ont mesuré les éléments dissous courants tels que calcium, magnésium, sodium, chlorure, sulfate et nitrate, ainsi que la salinité et la dureté. Ils ont combiné des diagrammes chimiques classiques avec des outils statistiques modernes pour décoder comment l’eau a acquis sa composition. Le tableau qui se dessine montre une eau souterraine fortement influencée par le climat désertique : une évaporation intense concentre les sels, et les roches et sols environnants — riches en évaporites comme le gypse et l’halite — apportent d’importantes quantités de calcium, de magnésium et de chlorures. Parallèlement, les engrais et les eaux usées ajoutent des nitrates, révélant une empreinte humaine sur la chimie de l’eau.

Ce que l’eau signifie pour les champs des agriculteurs

Pour traduire des mesures complexes en informations utilisables par les agriculteurs et les planificateurs, l’équipe a calculé plusieurs indices de qualité de l’eau d’irrigation. Ces indices rendent compte à la fois de la salinité de l’eau et de la teneur en sodium par rapport au calcium et au magnésium bénéfiques. Un taux élevé de sels peut rendre l’absorption d’eau plus difficile pour les plantes, tandis qu’un excès de sodium peut faire croûter les sols et en réduire la perméabilité. Les cartes produites avec des systèmes d’information géographique montrent que une grande partie de l’aquifère d’Ouled Djellal se situe dans la catégorie « modérée à mauvaise » pour l’irrigation, avec des poches particulièrement à risque dans les zones nord et centrale. Dans ces secteurs, la conductivité électrique et les solides dissous dépassent largement les niveaux recommandés pour l’agriculture, signalant une menace sérieuse de salinisation des sols et de perte durable de rendement si l’eau est utilisée sans gestion prudente.

Apprendre aux ordinateurs à « lire » l’eau

Au-delà de la simple description des conditions actuelles, l’étude s’est donnée pour objectif de prédire la qualité des eaux souterraines en utilisant l’apprentissage automatique — des modèles informatiques qui apprennent des motifs à partir des données. Les scientifiques ont alimenté douze propriétés mesurées de l’eau dans trois types de modèles : des équations linéaires simples, une machine à vecteurs de support et un réseau de neurones artificiel. Ils ont entraîné ces modèles sur une partie du jeu de données et les ont testés sur le reste. Le réseau de neurones s’est démarqué, capturant des relations subtiles et non linéaires entre les ions et la salinité. Il a reproduit l’indice principal d’irrigation avec une très grande précision, surpassant les autres méthodes. L’équipe a ensuite combiné ces prédictions de modèles avec une approche cartographique avancée qui gère mieux l’incertitude, produisant des cartes détaillées et lisses des zones où l’eau est plus sûre — ou plus risquée — pour les cultures.

Un avertissement net et une feuille de route pratique

Pour un lecteur non spécialiste, le message de l’étude est double. D’une part, les eaux souterraines qui soutiennent l’agriculture d’Ouled Djellal sont déjà fortement minéralisées : plus de 60 % des puits échantillonnés fournissent une eau d’aptitude uniquement restreinte pour l’irrigation, principalement en raison d’une salinité et d’un sodium élevés. Sans changements dans la gestion de l’eau et des sols, les agriculteurs risquent d’empoisonner progressivement leurs propres parcelles. D’autre part, le travail montre que la combinaison d’échantillonnages sur le terrain, d’analyses statistiques et d’apprentissage automatique moderne peut transformer des mesures éparses en cartes claires et exploitables. Ces outils peuvent aider les autorités locales à décider où implanter des cultures tolérantes au sel, où limiter les pompages et où surveiller de plus près — offrant une feuille de route fondée sur la science pour préserver une ligne de vie en eau fragile dans un monde de plus en plus sec.

Citation: Athamena, A., Gaagai, A., Aouissi, H.A. et al. Groundwater quality assessment for agricultural utilizing indexical and machine learning techniques in Ouled Djellal Aquifer, Southern Algeria. Sci Rep 16, 8185 (2026). https://doi.org/10.1038/s41598-026-38208-0

Mots-clés: qualité des eaux souterraines, salinité d’irrigation, agriculture aride, apprentissage automatique, aquifère Algérie