Approches géochimiques et apprentissage automatique pour prédire le fluorure dans les eaux souterraines du district de Karaga, nord du Ghana

Pourquoi cela compte pour l'eau potable quotidienne

Dans de nombreuses communautés rurales, le verre d'eau de puits le plus limpide peut contenir en silence suffisamment de fluorure pour abîmer les dents, fragiliser les os et nuire à la santé à long terme. Cette étude porte sur le district de Karaga, dans le nord du Ghana, où les enfants dépendent souvent de l'eau souterraine pour chaque boisson. Les chercheurs se sont donné deux objectifs urgents : où le fluorure présent dans les eaux souterraines est-il le plus dangereux, et peut‑on prédire ces points chauds à l'aide de mesures simples sur le terrain et d'outils de données modernes ?

Une chimie cachée sous un paysage sec

Karaga repose sur des couches épaisses de grès et de mudstone anciens qui fonctionnent comme d'énormes éponges, stockant l'eau de pluie sous terre. Ces roches contiennent également des minéraux porteurs de fluorure. À mesure que l'eau s'infiltre lentement, elle dissout des parties de la roche et y puise du fluorure. L'équipe a collecté 34 échantillons d'eau souterraine dans des forages communautaires et les a combinés avec 152 anciens échantillons provenant des districts voisins. Ils ont constaté que les teneurs en fluorure variaient de très faibles à plus de quatre fois la limite considérée sûre par l'Organisation mondiale de la Santé, environ un échantillon sur six dépassant cette directive. La plupart des eaux appartenaient à un type « doux, salé » riche en sodium et bicarbonate, mais les niveaux de fluorure les plus élevés apparaissaient là où l'eau était à la fois salée et riche en chlorures, ce qui indique une concentration accrue due à l'évaporation et à la dissolution de minéraux salins.

Comment le mélange roche‑eau augmente le fluorure

À l'aide d'analyses chimiques détaillées et de modèles informatiques, les chercheurs ont retracé comment différents éléments de l'eau agissent de concert pour libérer le fluorure des roches. Un pH élevé (eau plus alcaline), une faible concentration en calcium et une augmentation des solides dissous totaux favorisent le maintien du fluorure en solution plutôt que son piégeage dans des minéraux. Tous les échantillons étaient « prêts » chimiquement à dissoudre le minéral fluorite, ce qui confirme que l'environnement souterrain est propice à la libération de fluorure. Les tendances des données ont montré que les eaux riches en sodium et salées — en particulier celles influencées par des couches évaporitiques — ont tendance à éliminer le calcium et à augmenter la teneur minérale globale, créant des conditions idéales pour l'accumulation de fluorure le long de longs chemins d'écoulement souterrains.

Permettre aux données d'apprendre les conditions à risque

Parce que la chimie est complexe et non linéaire, l'équipe s'est tournée vers l'apprentissage automatique — des méthodes informatiques qui apprennent des motifs à partir des données — pour prédire les niveaux de fluorure sans leur fournir directement les mesures de fluorure. Ils ont utilisé uniquement des entrées « aveugles au fluorure » telles que le pH, la conductivité électrique, les ions majeurs et certains résultats issus des modèles géochimiques. Après avoir testé plusieurs algorithmes, un modèle basé sur un réseau de neurones a donné les meilleurs résultats, expliquant une part substantielle de la variation du fluorure. À travers les modèles, le même message est apparu : la salinité générale (solides dissous totaux et force ionique) et le pH importent davantage que n'importe quel ion pris isolément. Autrement dit, la « vigueur » globale et l'alcalinité de l'eau sont de meilleurs indices du danger lié au fluorure que les seules valeurs brutes de sodium ou de calcium.

Un score simple pour le criblage sur le terrain

À partir de ces observations, les chercheurs ont conçu un « indice de mobilité » — un score unique qui estime la propension d'un échantillon d'eau à mobiliser le fluorure, encore une fois sans utiliser de mesure de fluorure pour sa construction. L'indice combine quatre éléments : un signal d'altération des roches, la distance de l'eau à la formation de fluorite, le pH et l'activité que le fluorure aurait s'il était présent. Chaque composante est mise à l'échelle et pondérée de sorte que des scores élevés signifient une probabilité plus forte de fluorure dangereux. Testé par rapport aux données réelles de fluorure, cet indice a très bien séparé les puits sûrs des puits à risque. De manière cruciale, il peut être calculé à partir de mesures standard sur le terrain et d'analyses de laboratoire de routine, ce qui le rend réaliste pour les agents de l'eau des districts et les groupes communautaires.

Ce que cela signifie pour les communautés et la politique

Pour les habitants de Karaga et de régions similaires, l'étude montre que les niveaux dangereux de fluorure ne sont pas aléatoires ; ils sont liés à des types de roches identifiables, à des eaux salées et alcalines et à certains schémas de chimie de l'eau. En combinant la science classique des eaux souterraines avec l'apprentissage automatique moderne, les auteurs fournissent un outil d'alerte précoce pratique capable de signaler les puits à haut risque avant que des personnes ne tombent malades. Les autorités locales peuvent prioriser les tests et les traitements dans les communautés dont l'eau obtient les scores les plus élevés à l'indice de mobilité, mélanger des sources plus sûres lorsque cela est possible et choisir des méthodes de défournisation adaptées à la chimie locale. Au‑delà du Ghana, le même cadre peut être adapté à d'autres régions sujettes au fluorure, aidant à transformer une chimie souterraine invisible en recommandations concrètes pour une eau potable sûre.

Citation: Sunkari, E.D., Abdul-Wahab, D., Gutiérrez, M. et al. Geochemical and machine learning approaches to groundwater fluoride prediction in Karaga District, Northern Ghana. Sci Rep 16, 10610 (2026). https://doi.org/10.1038/s41598-026-45867-6

Mots-clés: fluorure des eaux souterraines, district de Karaga Ghana, apprentissage automatique, modélisation géochimique, risque pour l'eau potable