Cadre de conception basé sur la fiabilité assisté par IA pour les voussoirs de tunnels en roches faibles

Tunnels plus sûrs dans des terrains incertains

Les tunnels font passer trains, voitures, eau et énergie à travers montagnes et villes, mais ils sont creusés dans une roche qui n’est jamais parfaitement connue. Dans des roches faibles ou fracturées, les concepteurs doivent estimer la véritable résistance du massif et l’épaisseur de béton nécessaire pour éviter que le tunnel ne se déforme sous pression. Cette étude montre comment combiner la mécanique des roches classique, la probabilité et l’intelligence artificielle moderne pour transformer ces estimations en une conception fondée sur le risque, plus claire, plus sûre et plus économique dans des terrains difficiles.

Pourquoi la conception des tunnels est si difficile

Lorsqu’ils conçoivent un tunnel, les ingénieurs doivent décider de l’épaisseur du revêtement en béton et de la qualité du matériau. La conception « déterministe » traditionnelle suppose des valeurs uniques pour la résistance de la roche, les contraintes in situ et les propriétés des matériaux, puis vérifie la solidité du revêtement avec un facteur de sécurité. Or la roche réelle est variable : résistance, rigidité et structure peuvent changer d’un mètre à l’autre. Ignorer cette variabilité peut rendre une conception soit trop optimiste (dangereuse), soit inutilement surdimensionnée (trop coûteuse). La conception probabiliste, en revanche, traite chaque caractéristique clé comme une plage associée à une probabilité, puis estime la probabilité de défaillance du revêtement. Cet article applique cette approche fondée sur le risque spécifiquement aux voussoirs de tunnels en roche faible, où l’incertitude a le plus d’impact.

Relier la roche, le revêtement et le mouvement du terrain

Le cœur du cadre est une méthode appelée convergence–confinement, qui relie la déformation de la roche autour d’un tunnel circulaire (convergence) à la réaction du revêtement (confinement). La roche est décrite par une loi de rupture largement utilisée pour les massifs rocheux fracturés, tandis que le revêtement en béton est considéré comme élastique jusqu’à sa résistance à l’écrasement. Deux courbes sont construites : l’une montre la réponse de la roche lors de l’ouverture et du relâchement du tunnel, l’autre montre la résistance du revêtement lorsqu’il est chargé. Leur intersection donne la pression sur le revêtement et un facteur de sécurité fondé sur la pression. Dans ce travail, chaque grandeur contrôlante — la contrainte in situ, la résistance de la roche, l’indice de qualité de la roche, le rayon du tunnel, la rigidité du revêtement, la résistance du revêtement et l’épaisseur du revêtement — est modélisée comme une variable aléatoire. À l’aide de milliers d’échantillons Monte Carlo et d’une méthode de fiabilité bien établie (FORM), les auteurs calculent à la fois un facteur de sécurité et une probabilité explicite de défaillance pour chaque conception.

Apprendre à une IA à prédire la sécurité des tunnels

Exécuter des simulations probabilistes complètes pour de nombreuses options de conception peut être long. Pour y remédier, les auteurs entraînent un substitut d’intelligence artificielle via le gene expression programming, une forme de regression symbolique qui produit une équation en forme fermée plutôt qu’un modèle opaque. Ils génèrent de larges jeux de données à partir de leur moteur de fiabilité basé sur tableur, puis font évoluer une formule compacte qui prédit le facteur de sécurité fondé sur la pression à partir de huit entrées clés, incluant la taille du tunnel, les propriétés de la roche et celles du revêtement. L’équation finale reproduit très fidèlement les résultats probabilistes, avec une corrélation supérieure à 0,99, et est légèrement conservatrice : elle tend à prédire un facteur de sécurité quelque peu inférieur à la moyenne des simulations complètes. Ce biais est en réalité utile dans une conception axée sur la sécurité, car il évite des prédictions trop confiantes tout en offrant aux ingénieurs un moyen rapide d’explorer de nombreuses combinaisons.

Ce que l’épaisseur et la qualité du béton font réellement

En utilisant ce cadre combiné, l’étude explore comment les variations d’épaisseur du revêtement et de qualité du matériau influent sur la sécurité des tunnels en roche faible. Deux types de béton sont examinés : un béton conventionnel d’environ 20 MPa, et un béton réactif à poudre renforcé de fibres (FRPC) beaucoup plus résistant, d’environ 65 MPa. Pour un béton de faible résistance et de faible épaisseur, la probabilité de défaillance peut dépasser 60 % ; à mesure que l’épaisseur augmente vers 200 mm et au-delà, cette probabilité tend vers zéro. Pour le FRPC haute résistance, des revêtements relativement minces atteignent déjà des probabilités de défaillance très faibles, et des épaisseurs modérées suffisent pour atteindre des niveaux de fiabilité stricts. Les résultats sont présentés sous forme de graphiques et de cartes de chaleur reliant directement épaisseur et résistance aux indices de fiabilité et aux probabilités de défaillance, offrant aux concepteurs un guide visuel clair plutôt que de se fier à un unique facteur de sécurité fixe.

Transformer les facteurs de sécurité en décisions basées sur le risque

Pour un non-spécialiste, le message principal est qu’un facteur de sécurité seul n’est pas une mesure complète de la sûreté d’un tunnel. Ce travail montre comment traduire entre facteurs de sécurité traditionnels et chances explicites de défaillance, et comment choisir l’épaisseur du revêtement et la qualité du matériau pour atteindre un objectif de risque choisi plutôt qu’une règle empirique générique. En intégrant un modèle d’IA interprétable dans un moteur de fiabilité transparent, les auteurs démontrent une manière pratique de concevoir des voussoirs de tunnel à la fois plus sûrs et plus économiques, en particulier en roche faible et imprévisible. Plutôt que de deviner et de surdimensionner, les ingénieurs peuvent désormais quantifier combien de risque est réduit en choisissant un revêtement plus épais, un béton plus résistant comme le FRPC, ou les deux, rapprochant la conception des tunnels d’une gestion du risque moderne et fondée sur les données.

Citation: Khani, J., Nejati, H.R., Goshtasbi, K. et al. AI-assisted reliability-based design framework for tunnel concrete linings in weak rocks. Sci Rep 16, 14270 (2026). https://doi.org/10.1038/s41598-026-44903-9

Mots-clés: doublure de tunnel, roche faible, conception basée sur la fiabilité, épaisseur de béton, intelligence artificielle