Réseau de capteurs sans fil économe en énergie pour la surveillance des niveaux d’eau souterraine urbains utilisant l’apprentissage automatique et la mobilité du collecteur

Surveiller l’eau cachée sous nos villes

De nombreuses villes dépendent discrètement de l’eau stockée sous nos pieds. À mesure que la population augmente et que les sécheresses se multiplient, savoir à quelle vitesse cette réserve souterraine monte ou baisse n’est plus un luxe — c’est essentiel pour planifier les puits, éviter les tassements de terrain et maintenir l’approvisionnement en eau. Cet article présente une méthode intelligente pour surveiller les eaux souterraines urbaines à l’aide de capteurs sans fil, d’apprentissage automatique et d’un collecteur itinérant, conçue pour économiser les petites batteries afin que le système puisse fonctionner pendant des années avec peu d’intervention humaine.

Pourquoi l’eau souterraine est difficile à suivre

L’eau souterraine ne circule pas dans des tuyaux que l’on peut facilement mesurer ; elle s’infiltre dans le sol et la roche, évoluant lentement sur de larges zones. La surveillance traditionnelle repose sur quelques puits vérifiés manuellement, fournissant seulement une image approximative. Les réseaux de capteurs sans fil promettent mieux : de nombreux petits appareils répartis dans la ville, mesurant chacun le niveau d’eau ou des conditions associées et renvoyant des relevés en temps réel. Le problème est que ces appareils sont souvent enterrés, difficiles d’accès et alimentés par de petites batteries non rechargeables. S’ils communiquent trop, ils s’épuisent rapidement. Pire encore, les capteurs proches du point de collecte principal doivent relayer les messages de tous les autres et s’épuisent en premier, créant des « zones mortes » où aucune donnée ne peut être collectée.

Un réseau plus intelligent qui partage la charge

Les auteurs proposent un nouveau protocole, appelé Agrégation de données programmée avec sommeil et mobilité du collecteur (SSDA‑SM), pour maintenir un tel réseau de capteurs vivant et fiable sur de longues périodes. Plutôt que de laisser chaque capteur communiquer directement avec un hub central, les capteurs voisins forment des groupes, et un nœud de chaque groupe joue le rôle de leader temporaire. Ce leader collecte les relevés de ses voisins et transmet un message combiné vers un dispositif « collecteur » itinérant qui regroupe toutes les données. Un modèle d’apprentissage automatique simple aide à choisir quel capteur doit être leader à chaque tour en prenant en compte la charge restante de sa batterie et le nombre de voisins qu’il peut desservir, tout en faisant tourner le rôle pour qu’aucun dispositif ne soit surchargé. Les capteurs très proches et observant des conditions d’eau souterraine quasi identiques se relaient pour rester éveillés, de sorte que le réseau couvre toujours la zone sans gaspiller d’énergie sur des mesures redondantes.

Compresser fortement les données avant leur transmission

L’envoi de messages radio est l’action la plus coûteuse pour ces appareils enterrés, donc SSDA‑SM s’efforce de réduire les données avant qu’elles ne quittent le sol. Au niveau de chaque leader de groupe, le système utilise une astuce mathématique connue sous le nom d’échantillonnage compressif. Au lieu de transmettre chaque relevé brut, le leader mélange de nombreuses mesures en un ensemble beaucoup plus petit de valeurs codées qui préservent néanmoins le schéma essentiel. Plus tard, au collecteur, doté de beaucoup plus de puissance de calcul, ces valeurs compressées sont décomprimées pour reconstruire fidèlement les signaux originaux. Comme les variations de la nappe phréatique sont lisses dans l’espace et le temps, leur comportement peut être capté avec précision à partir d’un nombre bien inférieur de nombres que celui des capteurs, ce qui permet au réseau d’envoyer moins d’informations tout en perdant très peu de détails.

Laisser le collecteur venir aux capteurs

Une autre source de gaspillage dans les conceptions classiques est la position fixe du point de collecte. Les capteurs les plus proches de ce point doivent relayer sans cesse les messages des nœuds éloignés, vidant leurs batteries en premier et creusant un « trou » énergétique dans la carte. Dans SSDA‑SM, le collecteur est mobile : il se déplace à travers la zone surveillée le long d’un itinéraire planifié, s’arrêtant à tour de rôle près des groupes de capteurs. Son trajet est choisi pour raccourcir la distance moyenne que les messages doivent parcourir et pour privilégier les groupes dont les leaders sont faibles en énergie. Les leaders stockent temporairement les données compressées jusqu’à ce que le collecteur soit à portée, puis les envoient sur un court saut. Ce mouvement, combiné à une formation de groupes soignée, répartit la charge de communication de manière plus uniforme sur le réseau.

Ce que révèlent les tests sur les performances

Les chercheurs ont testé SSDA‑SM dans des simulations informatiques détaillées et l’ont comparé à quatre méthodes récentes visant également à économiser l’énergie ou à utiliser des collecteurs mobiles. Dans les mêmes conditions — 100 capteurs à énergie mixte dans une zone carrée de la taille d’une ville — la nouvelle conception a maintenu le premier capteur en vie plus longtemps, retardé le moment où la moitié des capteurs étaient morts et prolongé la durée avant l’arrêt total du réseau. Elle a consommé moins d’énergie par cycle de communication, livré plus de paquets de données avec succès et réduit le délai moyen pour que l’information atteigne le collecteur. Les groupes du réseau sont restés stables pendant plus de cycles, et l’étape d’échantillonnage compressif a obtenu une réduction de données plus importante tout en permettant au collecteur de reconstruire les schémas de la nappe phréatique avec une précision supérieure à 97 %.

Ce que cela signifie pour les gestionnaires de l’eau en ville

Pour les non‑spécialistes, le message est simple : en décidant attentivement quels capteurs restent éveillés, lesquels parlent pour leurs voisins, à quel point les données sont compactées et où le collecteur se déplace, on peut construire un réseau de surveillance qui observe l’eau souterraine urbaine beaucoup plus longtemps avec les mêmes batteries. SSDA‑SM montre que la combinaison d’un apprentissage automatique simple, d’horaires de sommeil intelligents, de compression de données et d’un collecteur itinérant peut transformer un ensemble épars de sondes enterrées en un « système nerveux » durable à l’échelle de la ville pour les eaux souterraines. De tels systèmes pourraient donner aux planificateurs une image bien plus claire de la vitesse d’épuisement des aquifères et aider à orienter une utilisation plus durable de cette ressource critique, mais largement invisible.

Citation: Manchanda, R., Lakshmi, A.V., Kaur, G. et al. Energy-efficient wireless sensor network for urban groundwater level monitoring using machine learning and sink mobility. Sci Rep 16, 9474 (2026). https://doi.org/10.1038/s41598-026-39435-1

Mots-clés: surveillance des eaux souterraines, réseaux de capteurs sans fil, détection économe en énergie, collecte de données mobile, échantillonnage compressif