Clear Sky Science
Des explications fondées sur des preuves, avec peu de jargon

Clear Sky Science · fr

Approche hybride d'apprentissage automatique pour prédire la résistance à la compression du béton durable incorporant des cendres de combustible d'huile de palme

· Retour à l’index

Transformer les dchets agricoles en bton plus solide et plus cologique

Le bton soutient nos btiments, ponts et routes, mais la fabrication du ciment qu'il contient libre d'importantes quantits de dioxyde de carbone. Dans le mme temps, les usines d'huile de palme produisent des montagnes de cendres souvent jetes. Cette tude examine comment transformer ces cendres en ingrdient utilisable pour le bton, et comment des programmes informatiques intelligents peuvent prdire de manire fiable la rsistance de ce bton « vert » avant qu'on ne coule le moindre mlange.

Pourquoi les cendres de palme comptent

Les cendres de combustible d'huile de palme sont un sous-produit pulvlulent rsiduel aprs la combustion des dchets de palme pour produire de l'nergie. Dans les pays o l'huile de palme est trs prdominante, elles s'accumulent en grandes quantits et posent des problmes d'limination et de pollution. Pourtant, ces cendres contiennent des particules ractives qui peuvent remplacer partiellement le ciment dans le bton. Les utiliser sert deux objectifs la fois : rduire la quantit de ciment nrgivore ncessaire et recycler un dchet agricole. Des expriences antrieures ont montr qu'avec un traitement et une utilisation soigns, les cendres de palme peuvent produire un bton la fois solide et durable. Le dfi tient ce que la rsistance dpend de nombreux ingrdients et conditions de cure qui interagissent; les concepteurs ont donc besoin d'un moyen rapide et fiable d'estimer la performance sans mener des essais sans fin.

Laisser un modle intelligent apprendre partir de centaines de mlanges
Figure 1
Figure 1.

Les chercheurs ont collect des donnes provenant de 22 tudes publies, aboutissant 469 mlanges diffrents de bton contenant des cendres de combustible d'huile de palme. Pour chaque mlange, ils ont enregistr six composants et conditions cls : la quantit de ciment et de cendres utilises, la quantit d'agent chimique (superplastifiant) ajoute, l'quilibre entre granulats grossiers et fins, le rapport eau/liant et la dure9 de cure avant l'essai. Ils se sont ensuite tourns vers l'intelligence artificielle, construisant un modle informatique inspir du manire dont les cellules nerveuses se connectent dans le cerveau, connu sous le nom de rseau de neurones artificiels. Ce type de modle apprend par exemples : il observe de nombreuses combinaisons d'entres et les rsultats correspondants en termes de rsistance, et ajuste progressivement ses connexions internes pour reproduire ces rsultats.

Renforcer le « cerveau » par une recherche inspire9e de l'volution

Un rseau de neurones seul peut tre difficile paramtrer. Si ses rglages internes sont mal choisis, il peut rester bloqu dans des performances moyennes. Pour pallier cela, l'quipe a associ le rseau un second algorithme qui imite la manire dont les espces se dispersent et s'adaptent travers des les, appel optimisation base sur la biogographie. Dans ce schma, chaque « le » reprsente un ensemble diffrent de rglages du rseau. Les caractristiques des les performantes migrent vers les plus faibles, tandis que des changements alatoires occasionnels prviennent que la recherche se bloque. Au fil de nombreux cycles, cette approche hybride affine le rseau pour qu'il corresponde mieux aux rsistances mesures du bton.

Performance du modle hybride
Figure 2
Figure 2.

Pour vrifier si leur modle hybride tient ses promesses, les auteurs ont divis les 469 mlanges en groupes spars pour l'entraînement, l'ajustement et les tests indpendants, et ont utilis galement des mthodes de validation croise9e qui remelent les donnes plusieurs fois. Ils ont compar le rseau hybride un rseau standard et des modles antrieurs de la littrature. La version hybride a prdit la rsistance la compression de manire plus prcise de faon constante : plus de 60 % de ses prdictions taient dans un cart de 5 % par rapport aux valeurs mesures, contre environ 39 % pour le modle conventionnel. Son erreur globale tait plus petite et ses prdictions taient plus stables lorsque les donnes taient rechantillonnes de diffrentes manières. L'analyse du modle entraîn a aussi rvl quels facteurs taient les plus dterminants, mettant en vidence le temps de cure et le rapport eau/liant comme principaux moteurs de la rsistance.

Consquences pour une construction plus verte

Pour les ingnieurs et les urbanistes, l'tude propose un outil pratique : pour un mlange candidat contenant des cendres de combustible d'huile de palme, le modle hybride peut estimer rapidement la rsistance probable du bton, dans la plage des mlanges qu'il a rencontrs. Cela peut faire gagner du temps, rduire des essais pilotes coteux et encourager un usage plus large de matriaux issus de dchets qui diminuent la consommation de ciment et les missions. Bien que le modle soit encore limit par des lacunes et des diffrences dans les tudes exprimentales sous-jacentes, il montre que combiner l'apprentissage partir de donnes et la recherche inspiree de l'volution peut aider matriser la complexit des btons durables modernes et rapprocher la construction plus verte d'une pratique quotidienne.

Citation: Kazemi, R., Pour, M.A. & Gandomi, A.H. Hybrid machine learning approach for predicting compressive strength of sustainable concrete incorporating palm oil fuel ash. Sci Rep 16, 14033 (2026). https://doi.org/10.1038/s41598-026-46190-w

Mots-clés: bton durable, cendres de combustible d'huile de palme, prdiction de la rsistance la compression, rseau de neurones artificiels, optimisation mtaheuristique