PILOTAGE NUMÉRIQUE

Observer, mesurer, modéliser, simuler et piloter les écosystèmes résilients

Le pilotage numérique constitue la couche d’intelligence de la démarche Omakëya™.

Après avoir appris à observer le climat, diagnostiquer les sols, comprendre l’eau, restaurer les écosystèmes et concevoir des systèmes résilients, il devient possible d’ajouter une nouvelle capacité : mesurer en continu et transformer les observations en décisions.

L’objectif n’est pas de numériser pour numériser.

Il est de construire un système capable de répondre en permanence à cinq questions :

Que se passe-t-il ?
Pourquoi cela se passe-t-il ?
Que va-t-il probablement se passer ?
Que peut-on faire ?
Quel résultat cette action produit-elle réellement ?

1. De la mesure au pilotage

Le fonctionnement général peut être représenté ainsi :

                    TERRITOIRE RÉEL
                          │
          ┌───────────────┼────────────────┐
          ↓               ↓                ↓
       CAPTEURS       SATELLITES         DRONES
          │               │                │
          └───────────────┼────────────────┘
                          ↓
                       DONNÉES
                          ↓
                         SIG
                          ↓
                MODÈLE NUMÉRIQUE
                          ↓
                        IA
                          ↓
                    SIMULATION
                          ↓
                     DÉCISION
                          ↓
                       ACTION
                          ↓
                   NOUVELLE MESURE
                          ↺

On passe ainsi d’une logique :

observer → agir

à une logique beaucoup plus puissante :

observer → comprendre → prévoir → simuler → agir → mesurer → corriger.

2. La pyramide du pilotage numérique

On peut organiser les technologies en six niveaux.

Niveau 1 — Observation

terrain ;
photographies ;
relevés ;
observations humaines.

Niveau 2 — Mesure

température ;
humidité ;
débit ;
niveau d’eau ;
humidité du sol ;
conductivité ;
rayonnement.

Niveau 3 — Cartographie

SIG ;
orthophotographies ;
modèles numériques de terrain.

Niveau 4 — Observation à distance

satellites ;
drones ;
Lidar ;
imagerie thermique.

Niveau 5 — Modélisation

modèles hydrologiques ;
modèles climatiques ;
modèles agronomiques ;
modèles écologiques.

Niveau 6 — Intelligence

IA ;
prédiction ;
optimisation ;
jumeau numérique ;
systèmes d’aide à la décision.

3. Les capteurs

Les capteurs constituent les organes sensoriels du territoire.

Ils permettent de mesurer :

température ;
humidité de l’air ;
pression ;
pluie ;
vent ;
rayonnement ;
humidité du sol ;
température du sol ;
niveau d’eau ;
débit ;
conductivité électrique ;
pH selon les dispositifs ;
qualité de l’eau ;
CO₂ ;
bruit.

4. Une station météo agricole

Une station peut intégrer :

pluviomètre ;
anémomètre ;
girouette ;
température ;
humidité ;
rayonnement solaire ;
pression atmosphérique.

Elle permet notamment de calculer ou d’estimer :

évapotranspiration ;
déficit hydrique ;
risques de gel ;
stress thermique ;
périodes favorables aux maladies.

5. Les capteurs d’humidité du sol

L’humidité seule ne suffit pas.

Il faut comprendre :

profondeur de mesure ;
texture ;
structure ;
réserve utile ;
position de la sonde.

Une sonde à 10 cm ne décrit pas nécessairement ce qui se passe à 50 ou 100 cm.

Pour une culture ou un arbre, le système racinaire doit donc être pris en compte.

6. Réseau de capteurs

À l’échelle d’une ferme :

Station météo
     │
     ├── Parcelle A
     ├── Parcelle B
     ├── Verger
     ├── Mare
     ├── Serre
     └── Bâtiment
              ↓
          Passerelle
              ↓
           Internet
              ↓
          Base de données

Le réseau devient alors un véritable système nerveux agricole.

7. IoT

L’Internet des objets permet de connecter :

capteurs ;
pompes ;
vannes ;
stations météo ;
compteurs ;
réservoirs ;
systèmes d’irrigation.

Mais la connexion ne signifie pas nécessairement automatisation.

Il faut distinguer :

mesurer

commander.

8. Automatiser intelligemment

Exemple :

Humidité sol
     ↓
Prévision météo
     ↓
Besoin hydrique
     ↓
Décision
     ↓
Ouverture vanne
     ↓
Irrigation
     ↓
Nouvelle mesure

L’objectif n’est plus :

« arroser tous les deux jours ».

Mais :

« apporter la quantité d’eau nécessaire lorsque le système en a réellement besoin ».

9. Les satellites

Les satellites permettent d’observer de très grandes surfaces.

Ils peuvent fournir des informations sur :

végétation ;
occupation des sols ;
humidité ;
température de surface selon les capteurs ;
évolution des cultures ;
sécheresse ;
incendies ;
déforestation ;
artificialisation.

Ils permettent surtout de comparer le territoire dans le temps.

10. L’imagerie multispectrale

La végétation possède des signatures spectrales particulières.

Des indices comme le NDVI peuvent être utilisés pour caractériser la vigueur relative de la végétation.

Mais :

un indice spectral n’est pas directement une mesure de santé végétale universelle.

Il faut l’interpréter avec :

espèce ;
stade phénologique ;
sol ;
météo ;
historique ;
contexte agronomique.

11. L’imagerie thermique

La température de surface peut fournir des informations sur :

stress hydrique ;
zones chaudes ;
efficacité de l’évapotranspiration ;
fonctionnement de certains systèmes végétalisés.

À l’échelle urbaine, elle permet notamment de cartographier les îlots de chaleur.

12. Les drones

Le drone permet d’obtenir une résolution beaucoup plus fine.

Applications :

cartographie ;
photogrammétrie ;
multispectral ;
thermique ;
Lidar ;
suivi des cultures ;
inspection des haies ;
suivi de l’érosion.

13. Le drone comme outil de diagnostic

Une parcelle peut être suivie :

Année 0
   ↓
orthophoto
   ↓
modèle 3D
   ↓
indice végétation
   ↓
carte hydrologique
   ↓
action de restauration
   ↓
Année 1
   ↓
nouvelle campagne
   ↓
comparaison

On obtient ainsi une mesure de l’évolution réelle.

14. Le Lidar

Le Lidar permet notamment de produire des modèles très détaillés du relief et de la végétation.

Applications :

microtopographie ;
fossés ;
talwegs ;
pentes ;
canopée ;
hauteur des arbres ;
structures forestières.

Pour l’hydrologie, quelques centimètres de différence topographique peuvent parfois modifier fortement les chemins préférentiels de l’eau.

15. Le SIG

Le SIG constitue probablement l’un des outils les plus importants du pilotage territorial.

Il permet de superposer :

RELIEF
+
SOLS
+
EAU
+
CLIMAT
+
VÉGÉTATION
+
AGRICULTURE
+
URBANISATION
+
BIODIVERSITÉ
+
INFRASTRUCTURES

On ne regarde plus seulement une donnée.

On regarde les interactions spatiales entre les données.

16. Le SIG comme cerveau géographique

Exemple :

Une zone de ruissellement peut être identifiée en croisant :

pente ;
pluies ;
occupation du sol ;
texture ;
compaction ;
imperméabilisation.

On peut ensuite rechercher les zones où une intervention serait la plus efficace.

17. Cartographier les flux

Il faut aller au-delà des cartes statiques.

Cartographier :

eau ;
vent ;
chaleur ;
biodiversité ;
carbone ;
énergie ;
déplacements.

Le territoire devient une carte dynamique de flux.

18. Cartographie hydrologique

Un modèle numérique de terrain permet de déterminer :

directions d’écoulement ;
accumulations ;
bassins versants ;
talwegs ;
points bas ;
zones potentiellement inondables.

On peut alors rechercher :

où l’eau devrait-elle naturellement aller ?

puis comparer avec :

où va-t-elle réellement ?

19. Cartographie des sols

Le SIG peut intégrer :

texture ;
profondeur ;
pH ;
carbone ;
CEC ;
réserve utile ;
compaction ;
hydromorphie.

On obtient une cartographie fonctionnelle du sol plutôt qu’une simple carte pédologique.

20. Cartographie climatique

À l’échelle locale :

température ;
humidité ;
vent ;
rayonnement ;
ombrage.

On peut alors identifier :

zones froides ;
zones chaudes ;
couloirs de vent ;
zones de stagnation ;
îlots de fraîcheur.

21. Cartographie de la biodiversité

Croiser :

habitats ;
espèces ;
haies ;
mares ;
forêts ;
prairies ;
corridors.

L’objectif est d’identifier les :

réservoirs ;
ruptures ;
corridors ;
zones prioritaires de restauration.

22. Les bases de données temporelles

Une mesure isolée possède une valeur limitée.

Une série temporelle permet de comprendre :

saisonnalité ;
tendance ;
anomalie ;
réaction à une pluie ;
réaction à une sécheresse.

Par exemple :

Pluie
 ↓
Humidité du sol
 ↓
Infiltration
 ↓
Nappe
 ↓
Débit

Les décalages temporels entre ces événements sont extrêmement instructifs.

23. L’intelligence artificielle

L’IA peut intervenir à plusieurs niveaux :

Classification

Identifier :

végétation ;
cultures ;
sols ;
infrastructures.

Détection

Repérer :

anomalies ;
maladies ;
dépérissements ;
zones de stress.

Prévision

Anticiper :

besoin en eau ;
risque de gel ;
risque de stress ;
évolution de certains paramètres.

Optimisation

Chercher :

meilleur emplacement ;
meilleure irrigation ;
meilleure combinaison d’actions.

24. IA et diagnostic

L’IA peut analyser simultanément :

météo ;
sol ;
satellite ;
drone ;
capteurs ;
historique.

Elle peut alors signaler :

« cette parcelle présente une anomalie de végétation associée à une baisse d’humidité du sol et à une période de déficit hydrique ».

Mais le diagnostic doit rester vérifiable sur le terrain.

25. IA et agriculture

L’IA peut contribuer à :

irrigation de précision ;
prévision des rendements ;
détection de maladies ;
optimisation des interventions ;
suivi des cultures ;
analyse des images.

Mais une IA qui recommande une irrigation doit connaître, autant que possible :

sol ;
profondeur racinaire ;
météo ;
réserve utile ;
stade de culture ;
objectif de production.

26. IA et hydrologie

Une IA peut apprendre à détecter des relations entre :

pluie ;
humidité ;
débit ;
niveau de nappe ;
occupation du sol.

Elle peut contribuer à anticiper :

ruissellement ;
crues ;
besoins d’irrigation ;
sécheresses.

Cependant, les modèles physiques restent essentiels pour garantir la cohérence hydrologique.

27. IA hybride : données + physique

Une approche particulièrement intéressante consiste à combiner :

DONNÉES
   +
PHYSIQUE
   +
IA
   ↓
MODÈLE HYBRIDE

Par exemple :

conservation de l’eau ;
bilan hydrique ;
équations d’écoulement ;
contraintes agronomiques.

L’IA apprend alors à l’intérieur d’un cadre physique.

28. Le jumeau numérique

Le jumeau numérique représente virtuellement :

une parcelle ;
un jardin ;
une ferme ;
une commune ;
un bassin versant ;
une région.

Il est alimenté par les données du système réel.

       RÉEL
        ↕
   DONNÉES TEMPS RÉEL
        ↕
 JUMEAU NUMÉRIQUE
        ↕
    SIMULATIONS
        ↕
     SCÉNARIOS
        ↕
     DÉCISIONS

29. Un jumeau numérique n’est pas une simple maquette 3D

Une maquette représente.

Un jumeau numérique doit idéalement :

recevoir des données ;
évoluer ;
calculer ;
simuler ;
comparer ;
permettre de tester des scénarios.

C’est donc un modèle dynamique du système réel.

30. Jumeau numérique d’une ferme

Il pourrait intégrer :

parcelles ;
sols ;
cultures ;
arbres ;
animaux ;
bâtiments ;
réservoirs ;
mares ;
météo ;
capteurs.

On pourrait alors tester :

Que se passe-t-il si la pluie diminue de 20 % ?

Que se passe-t-il si une mare supplémentaire est créée ?

Quel impact aurait une haie sur le ruissellement ?

Quelle parcelle devient critique lors d’une sécheresse de trois mois ?

31. Jumeau numérique d’un bassin versant

Encore plus intéressant :

PLUIE
 ↓
SOL
 ↓
RUISSELLEMENT
 ↓
RIVIÈRE
 ↓
ZONE HUMIDE
 ↓
NAPPE
 ↓
AVAL

Le modèle peut permettre de tester différentes stratégies de restauration.

32. Jumeau numérique urbain

Il peut intégrer :

bâtiments ;
arbres ;
rues ;
réseaux ;
surfaces imperméables ;
eau ;
température.

On peut simuler :

plantation d’arbres ;
désimperméabilisation ;
toitures végétalisées ;
canicules ;
pluies extrêmes.

33. Le pilotage climatique

Un système avancé pourrait calculer quotidiennement :

déficit hydrique ;
risque thermique ;
risque de gel ;
risque d’incendie ;
état des sols ;
disponibilité de l’eau.

Puis produire un niveau de vigilance agroclimatique.

34. Les tableaux de bord

Le tableau de bord Omakëya™ devrait éviter l’accumulation de centaines d’indicateurs.

Il doit faire ressortir les variables réellement utiles.

Exemple

Système	État	Tendance	Alerte
Sol	bon	↗	non
Eau	moyen	↘	oui
Biodiversité	bon	↗	non
Culture	moyen	→	surveillance
Nappe	faible	↘	oui
Climat	critique	↘	oui

35. Les indicateurs composites

On pourrait construire des indices comme :

Indice hydrologique

infiltration ;
stockage ;
ruissellement ;
disponibilité.

Indice biologique

diversité ;
biomasse ;
habitats ;
connectivité.

Indice de résilience

autonomie ;
diversité ;
capacité de récupération ;
dépendance aux ressources externes.

Mais ces indices doivent rester transparents et décomposables.

36. Le système d’alerte

Le numérique peut détecter :

Alerte sécheresse

Humidité ↓

pluie ↓
ET ↑

→ risque élevé.

Alerte ruissellement

Pluie intense

sol saturé
pente
faible infiltration

→ risque élevé.

Alerte thermique

Température ↑

rayonnement ↑
humidité ↓

→ stress potentiel.

37. L’humain reste dans la boucle

Le principe Omakëya™ doit rester :

IA
 ↓
PROPOSITION
 ↓
EXPERT / AGRICULTEUR / GESTIONNAIRE
 ↓
DÉCISION
 ↓
ACTION
 ↓
MESURE

et non :

IA
 ↓
ACTION AUTOMATIQUE

dans toutes les situations.

La complexité du vivant exige une supervision humaine.

38. La qualité des données

Un système numérique n’est jamais meilleur que ses données.

Il faut contrôler :

calibration ;
précision ;
fréquence de mesure ;
dérive ;
emplacement ;
cohérence ;
métadonnées.

Une sonde mal placée peut produire des milliers de données parfaitement inutiles.

39. Le problème de la représentativité

Un capteur mesure un point.

Un satellite mesure une surface.

Un modèle représente un territoire.

Ces trois échelles ne sont pas identiques.

Il faut donc toujours poser :

quelle est l’échelle spatiale et temporelle de la mesure ?

40. Fusion des données

La puissance apparaît lorsqu’on combine :

CAPTEUR
+
DRONE
+
SATELLITE
+
SIG
+
MÉTÉO
+
OBSERVATION HUMAINE

On obtient une vision beaucoup plus complète du système.

41. La boucle numérique Omakëya™

Elle peut être résumée par : Observer→Mesurer→Cartographier→Modeˊliser→Simuler→Deˊcider→Agir→Mesurer

C’est une boucle de rétroaction écologique.

42. Du jardin au territoire

La même architecture peut être déployée progressivement.

Balcon

Quelques capteurs.

Jardin

Station météo + humidité du sol.

Ferme

Réseau IoT + satellite + drone.

Commune

SIG + stations + thermique + hydrologie.

Bassin versant

SIG + hydrologie + satellites + stations.

Région

Jumeau numérique territorial + modèles climatiques + IA.

43. Architecture technique

Une architecture complète pourrait être :

                     TERRAIN
                        │
        ┌───────────────┼────────────────┐
        ↓               ↓                ↓
    CAPTEURS         DRONES          SATELLITES
        │               │                │
        └───────────────┼────────────────┘
                        ↓
                  COLLECTE DONNÉES
                        ↓
                  BASE DE DONNÉES
                        ↓
                       SIG
                        ↓
             MODÈLES PHYSIQUES
                        ↓
                        IA
                        ↓
              JUMEAU NUMÉRIQUE
                        ↓
                  SIMULATIONS
                        ↓
                 TABLEAU DE BORD
                        ↓
                    DÉCISION
                        ↓
                      ACTION

44. La question de l’interopérabilité

Un système durable doit éviter de dépendre d’un seul fournisseur.

Il faut privilégier lorsque possible :

formats ouverts ;
standards ;
API ;
données géographiques interopérables ;
métadonnées ;
archivage.

Le patrimoine numérique du territoire doit rester exploitable pendant plusieurs décennies.

45. Cybersécurité

Plus le système devient connecté, plus il devient vulnérable.

Il faut protéger :

capteurs ;
réseaux ;
systèmes de commande ;
données ;
accès utilisateurs.

Un système qui contrôle une pompe, une vanne ou une infrastructure hydraulique doit être traité avec un niveau de sécurité adapté à son importance.

46. Souveraineté des données

Il faut définir :

qui possède les données ;
qui peut les consulter ;
qui peut les modifier ;
qui peut les exporter ;
combien de temps elles sont conservées.

Les données écologiques peuvent devenir un patrimoine stratégique.

47. Le numérique ne remplace pas le terrain

C’est une règle fondamentale.

Une carte satellite peut montrer :

« quelque chose est différent ici ».

Mais elle ne dit pas nécessairement :

« voici exactement pourquoi ».

Il faut parfois revenir sur place :

ouvrir une fosse pédologique ;
observer les racines ;
mesurer l’infiltration ;
identifier les espèces ;
vérifier la compaction.

Le numérique oriente le diagnostic ; le terrain le valide.

48. Le futur : l’observatoire Omakëya™

À terme, on pourrait imaginer un Observatoire numérique Omakëya™ capable de suivre :

climat ;
sols ;
eau ;
végétation ;
biodiversité ;
agriculture ;
carbone.

À plusieurs échelles :

parcelle → ferme → commune → bassin versant → région.

49. Le territoire apprenant

Le véritable objectif n’est finalement pas seulement d’avoir un territoire connecté.

C’est de créer un territoire qui apprend de ses propres expériences.

ACTION
 ↓
MESURE
 ↓
RÉSULTAT
 ↓
ANALYSE
 ↓
APPRENTISSAGE
 ↓
NOUVELLE ACTION

Une haie plantée il y a dix ans devient alors une expérience mesurable.

Une mare devient une expérience hydrologique.

Une désimperméabilisation devient une expérience urbaine.

Une rotation agricole devient une expérience agronomique.

50. Le principe ultime : piloter sans perdre le vivant

Le risque serait de transformer le vivant en simple tableau de bord.

La Vision Omakëya™ doit prendre la direction inverse :

utiliser le numérique pour mieux comprendre le vivant, et non utiliser le vivant comme simple source de données pour alimenter le numérique.

Le capteur mesure.

Le satellite observe.

Le drone cartographie.

Le SIG organise.

L’IA analyse.

Le jumeau numérique simule.

Mais le système écologique reste la réalité de référence.

Le pilotage numérique constitue la dernière couche de l’ingénierie Omakëya™ : celle qui permet de passer d’une restauration ponctuelle à une gestion adaptative et mesurable dans le temps.

La ferme, le jardin, la commune ou le territoire deviennent progressivement des systèmes observables, modélisables et pilotables.

Mais le véritable progrès ne réside pas dans la quantité de données collectées.

Il réside dans la capacité à transformer : Donneˊes→Information→Compreˊhension→Deˊcision→Action→Reˊsilience

Et lorsque cette boucle fonctionne sur plusieurs décennies, le territoire cesse d’être simplement « géré ».

Il devient un système vivant que l’on observe, que l’on comprend, que l’on restaure et que l’on améliore continuellement.