Une étude scientifique récente publiée dans la revue Water a révélé le rôle crucial de l’intelligence artificielle et des systèmes d’information géographique (SIG) dans l’identification des zones à fort potentiel de recharge des eaux souterraines dans les régions arides, à travers une étude de cas menée dans le Moyen Drâa, province de Zagora, confrontée à une pression croissante sur ses ressources en eau en raison du changement climatique et de la surexploitation.
Intitulée « Intégration des systèmes d’information géographique, de la télédétection et de l’apprentissage automatique pour améliorer la recharge durable des eaux souterraines dans les paysages arides méditerranéens : étude de cas dans le Moyen Drâa, Maroc », l’étude souligne que les eaux souterraines constituent la principale source de vie pour l’agriculture et les établissements humains dans ces zones, mais restent exposées à un risque important dû à la surexploitation et au faible taux de renouvellement.
Les chercheurs ont indiqué que le Moyen Drâa connaît une baisse critique de ses nappes phréatiques, causée par l’augmentation de la demande en eau d’irrigation, l’expansion urbaine et la diminution des précipitations. Ils ont souligné que les méthodes traditionnelles de gestion de l’eau ne suffisent plus face à ces défis, ce qui a nécessité le recours à l’intelligence artificielle et à des techniques modernes basées sur les données.
Dans ce cadre, l’équipe scientifique a mis en place un cadre avancé d’apprentissage automatique intégrant six algorithmes (CART, Random Forest, LightGBM, XGBoost, k-NN, SVM) avec des techniques de télédétection et de SIG pour une délimitation plus précise des zones de recharge. Les modèles ont pris en compte dix facteurs environnementaux clés, tels que l’altitude, la pente, les précipitations, la perméabilité des sols, la proximité des cours d’eau et les indices de végétation.
Les résultats ont montré que le modèle LightGBM était le plus précis, avec une performance de classification de 0,90, démontrant l’efficacité de l’IA pour prédire les zones propices à la recharge des nappes. L’étude a révélé que les zones à fort potentiel se situent principalement dans la plaine de Faiqqa, les abords des cours d’eau temporaires et les cônes alluviaux, tandis que les zones montagneuses et les pentes abruptes présentaient un faible potentiel.
Pour renforcer la fiabilité des résultats, les chercheurs ont validé les modèles sur le terrain, offrant ainsi un outil pratique pour les décideurs en matière de gestion de l’eau. Ces cartes détaillées pourraient orienter les interventions vers des infrastructures peu coûteuses, comme des bassins d’infiltration et des structures de recharge à petite échelle, permettant de collecter les eaux de crue et de les diriger vers les nappes, réduisant ainsi leur surexploitation et renforçant la sécurité hydrique à long terme.
L’étude conclut que cette méthodologie est reproductible dans d’autres régions arides confrontées à des pressions similaires et souligne que la combinaison de l’hydrologie, de l’intelligence artificielle et des sciences géographiques constitue un levier stratégique pour la durabilité des ressources en eau et la réalisation des Objectifs de Développement Durable, notamment ceux relatifs à l’eau propre et à l’action climatique.
