⚡ electrical engineering

Aquivo: An open-source interactive tool for holistic water allocation under competing economic, environmental, and social objectives

Cette étude présente Aquivo, un outil d'aide à la décision interactif, open-source et basé sur Python, qui utilise l'optimisation multi-objectif et la méthode TOPSIS pour générer des stratégies d'allocation de l'eau classées et fondées sur des données empiriques, équilibrant les objectifs économiques, environnementaux et sociaux.

Auteurs originaux : Michael Yehya, Fatima Mansour, Ali Ayoub, Tang Wang

Publié 2026-07-17

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Michael Yehya, Fatima Mansour, Ali Ayoub, Tang Wang

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez l'approvisionnement mondial en eau comme un immense buffet chaotique où tout le monde a faim, mais où la nourriture vient à manquer. Certains veulent le repas le moins cher, d'autres le plus sain, et d'autres encore veulent simplement s'assurer que personne ne rentre les mains vides. C'est la réalité désordonnée de la gestion de l'eau : un casse-tête à enjeux élevés où économiser de l'argent, protéger la nature et traiter les gens équitablement tirent souvent dans des directions opposées. Les scientifiques appellent cela l'« optimisation multi-objectif », ce qui est simplement une façon sophistiquée de dire : « Comment trouver le meilleur équilibre possible quand on ne peut pas tout avoir ? » Pendant des décennies, des experts ont tenté de résoudre ce problème avec des mathématiques complexes, mais les résultats étaient souvent verrouillés derrière des logiciels coûteux ou cachés dans des modèles de type « boîte noire » où les règles étaient dictées par l'ordinateur, et non par les humains. La grande question est la suivante : pouvons-nous construire un outil qui permette aux décideurs ordinaires de voir tous les compromis possibles et de choisir leur propre voie, plutôt que de simplement accepter une réponse unique et rigide ?

Découvrez Aquivo, un nouvel outil numérique en libre accès (open-source) créé par les chercheurs Michael Yehya, Fatima Mansour, Ali Ayoub et Tang Wang. Considérez Aquivo comme un « jeu vidéo d'allocation d'eau » pour la vie réelle, mais au lieu de jouer pour des points, vous jouez pour l'équité et la survie. Les chercheurs ont conçu cet outil interactif pour nous aider à naviguer dans le bras de fer entre trois objectifs concurrents : garder l'eau bon marché (économie), la garder verte (environnement) et s'assurer que tout le monde reçoive sa part équitable (équité sociale).

Voici comment la magie opère. D'abord, l'outil lance une simulation massive pour trouver chaque manière possible de distribuer l'eau. Il ne se contente pas de choisir une seule « meilleure » réponse ; il génère au contraire un « front de Pareto », qui est comme un menu de tous les compromis possibles. Sur ce menu, vous pourriez voir une solution qui est très peu coûteuse mais qui laisse certains quartiers assoiffés, et une autre qui est très équitable mais qui coûte une fortune. L'outil cartographie l'ensemble du paysage de ces choix afin que vous puissiez voir exactement ce que vous devez sacrifier pour obtenir ce que vous voulez.

Ce qui rend Aquivo spécial, c'est la façon dont il traite la question de l'« équité ». Au lieu que les chercheurs ne devinent l'importance de l'équité, ils ont effectué une revue systématique d'études sur l'allocation de l'eau évaluées par des pairs pour voir quelles règles d'équité les autres scientifiques utilisaient le plus souvent. Ils ont filtré la littérature pour arriver à un corpus final de 21 études qui intégraient explicitement des objectifs sociaux spécifiques. À partir de celles-ci, ils ont identifié cinq indicateurs clés de l'équité — comme la répartition uniforme de l'eau et la fiabilité de l'approvisionnement — et leur ont attribué des poids basés sur la fréquence à laquelle ils apparaissaient dans ces études. C'est comme si le consensus collectif de la communauté scientifique votait sur ce que signifie être « équitable », plutôt que de laisser une seule personne décider.

L'outil utilise ensuite un système de classement ingénieux appelé TOPSIS. Imaginez que vous êtes le maire d'une ville, et que vous avez un curseur pour le « Coût », un curseur pour la « Nature » et un curseur pour l'« Équité ». À mesure que vous déplacez le curseur « Équité » vers le haut, Aquivo reclasse instantanément le menu des solutions. Soudain, l'option la moins chère tombe au bas du classement, et une option plus coûteuse mais plus équitable grimpe en tête. L'outil vous montre exactement comment les flux d'eau changent : peut-être qu'il cesse d'envoyer l'eau de rivière bon marché vers un quartier riche pour commencer à pomper de l'eau dessalée coûteuse vers un quartier plus pauvre afin de rétablir l'équilibre.

Lors d'un test réalisé sur trois régions fictives, les chercheurs ont découvert des choses surprenantes. Ils ont découvert que pour certaines zones, aucune mathématique astucieuse ne peut résoudre la pénurie d'eau si l'offre physique n'est tout simplement pas là ; c'est un « problème de capacité », et non seulement un « problème d'allocation ». Ils ont également découvert que l'économie d'argent et l'économie d'énergie vont généralement de pair, mais que préserver l'équité est une tout autre affaire. Lorsqu'ils ont donné la priorité à l'équité, l'outil a suggéré une solution qui n'était pas la plus équitable possible, mais qui était le « point idéal » où l'on obtient un énorme gain d'équité sans dépenser une somme ridicule de plus.

En fin de compte, Aquivo ne vous dit pas quoi faire. Au lieu de cela, il vous remet la carte et la boussole. Il vous permet de voir les lignes invisibles où les compromis deviennent abrupts et vous aide à comprendre qu'il n'existe pas de solution parfaite, seulement la solution qui correspond le mieux à vos valeurs. En rendant cette mathématique complexe ouverte, gratuite et interactive, les auteurs espèrent transformer la gestion de l'eau, passant d'un club privé réservé aux experts à une conversation à laquelle tout le monde peut participer.

Résumé technique d'Aquivo : Un outil interactif en open-source pour une allocation holistique de l'eau

Énoncé du problème
L'allocation de l'eau est de plus en plus mise à rude épreuve par l'épuisement des ressources, la hausse de la demande et la concurrence entre les priorités économiques, environnementales et sociales. Les cadres existants traitent souvent ces dimensions de manière isolée ou s'appuient sur des schémas de pondération opaques, échouant ainsi à capturer les arbitrages intersectoriels. Les modèles traditionnels privilégient fréquemment les demandes sectorielles séparément (par exemple, l'agriculture contre l'industrie) ou traitent l'équité sociale simplement comme une contrainte ou un indicateur agrégé unique (tel que le coefficient de Gini), plutôt que comme un objectif d'optimisation coégal. De plus, la traduction des résultats de l'optimisation multi-objectif (OMO) en décisions exploitables repose souvent sur des poids fixes déterminés par des analystes, ce qui limite la capacité de divers acteurs à explorer dynamiquement les structures de préférences.

Méthodologie
L'étude présente Aquivo, un outil d'aide à la décision open-source basé sur Python, qui opérationnalise un modèle d'optimisation multi-objectif holistique. La méthodologie est structurée en trois phases intégrées :

Formulation de l'optimisation multi-objectif (OMO) :
Le modèle central minimise deux objectifs et en maximise un troisième :

Économique (OF1) : Minimise les coûts totaux de production et d'allocation de l'eau.
Environnemental (OF2) : Minimise les besoins énergétiques totaux pour la production d'eau.
Social (OF3) : Maximise l'équité de l'eau ($WE$), définie comme la somme pondérée de cinq sous-indicateurs : l'intensité de la main-d'œuvre (LI), le coefficient de Gini de l'utilisation de l'eau (WGC), la variance du taux de pénurie (WSRV), le coefficient de Williamson (WC) et le taux de garantie d'approvisionnement en eau (WSGR).

Le modèle intègre des contraintes pour le bilan hydrique, les limites planétaires (utilisation de l'eau douce et émissions de carbone) et les exigences minimales d'utilisation finale. Le problème est formulé comme un programme non linéaire continu en raison de la nature non linéaire des coefficients de Gini et de Williamson.

Dérivation empirique des poids sociaux :
Une contribution méthodologique distinctive est la dérivation des poids des cinq sous-indicateurs sociaux. Au lieu de s'appuyer sur l'élicitation d'experts ou une pondération égale, les auteurs ont mené une revue systématique de 21 études évaluées par les pairs (2015–2025) qui intègrent explicitement des objectifs sociaux. Le poids ( $\omega_s$ ) de chaque indicateur est calculé en fonction de sa fréquence d'adoption dans ces études, ancrant ainsi le schéma de pondération dans le consensus empirique collectif de la littérature.
Génération de solutions et aide à la décision :

Génération du front de Pareto : L'outil utilise la méthode de la contrainte epsilon combinée à une approche hybride de programmation linéaire et de Monte Carlo. Le solveur scipy HiGHS génère des allocations candidates réalisables, et un balayage paramétrique identifie le front de Pareto non dominé.
Intégration de TOPSIS : Pour traduire le front de Pareto en stratégies exploitables, Aquivo intègre la Technique pour l'Ordre de Préférence par Similarité à la Solution Idéale (TOPSIS). Cette couche permet aux utilisateurs de saisir des poids de préférence dynamiques pour les trois objectifs. Le système calcule le coefficient de proximité de chaque solution de Pareto par rapport à un point idéal et un point anti-idéal, classant les solutions en temps réel.
Interface : L'outil est construit avec Streamlit, fournissant une interface graphique (GUI) qui permet aux utilisateurs non techniques de visualiser le front de Pareto en 3D, d'ajuster les curseurs de préférence et de visualiser les détails des allocations régionales (trajectoires source-technologie-utilisation finale) sans connaissances en programmation.

Résultats clés
L'outil a été testé via une étude de cas synthétique illustrative impliquant trois régions présentant des équilibres offre-demande et des conditions socio-économiques variés.

Caractéristiques du front de Pareto : L'optimisation a généré 96 solutions réalisables, dont 9 solutions non dominées formant le front de Pareto. Les objectifs économiques et environnementaux se sont révélés presque colinéaires (les coûts et l'énergie augmentent de concert), tandis que l'équité sociale a introduit une tension distincte, créant un « coude » dans la courbe où les gains marginaux d'équité nécessitaient des augmentations de coûts disproportionnées.
Dynamique d'allocation : À mesure que l'optimisation passait de la minimisation des coûts à la maximisation de l'équité, le modèle redistribuait l'eau d'une région sur-allouée et à faible coût (Région A) vers une région en déficit (Région B) et une région à faible revenu (Région C). Ce changement a nécessité de passer de l'eau de surface peu coûteuse au dessalement de l'eau de mer, plus onéreux, pour atteindre les objectifs d'équité.
Limites physiques : L'étude de cas a révélé une limite physique stricte : même sous un poids d'équité maximal, la région en déficit (Région B) ne pouvait être pleinement approvisionnée en raison des plafonds de production locaux, entraînant un taux de pénurie persistant de 32,6 %. Cela a distingué le problème comme étant un « problème de capacité » plutôt qu'un pur problème d'allocation.
Performance de TOPSIS : Sous un poids d'équité dominant (75 %), TOPSIS a sélectionné la Solution 8 plutôt que la solution d'équité extrême (Solution 9). Cela s'explique par le fait que la Solution 9 n'offrait qu'une amélioration marginale de l'équité pour un coût disproportionné (augmentation de 60 %), démontrant que l'outil identifie des solutions intérieures robustes plutôt que des valeurs aberrantes extrêmes.

Signification et contributions
L'article revendique trois contributions principales au domaine de la gestion des ressources en eau :

Formulation holistique de l'équité sociale : Aquivo traite l'équité sociale comme un objectif d'optimisation coégal plutôt que comme une contrainte, en l'opérationnalisant via cinq sous-indicateurs distincts. La pondération de ces indicateurs est dérivée empiriquement de la fréquence de leur utilisation dans la littérature plus large, renforçant ainsi la transparence et la reproductibilité.
Aide à la décision dynamique : En couplant le front de Pareto de la contrainte epsilon avec une couche TOPSIS interactive, l'outil déplace l'articulation des préférences d'une hypothèse fixe de l'analyste vers une entrée manipulable par l'utilisateur. Cela permet aux parties prenantes d'explorer l'espace des compromis en temps réel, en observant comment le classement change à mesure que les priorités évoluent.
Accessibilité et Open Source : L'outil est livré sous la forme d'une plateforme complète en open-source (Python/Streamlit) qui ne nécessite aucune expertise en codage pour être opérée. Il comble le fossé entre le développement méthodologique complexe et l'application pratique, permettant aux planificateurs de l'eau de s'engager directement dans les arbitrages multi-objectifs.

Les auteurs concluent que, bien qu'une allocation optimale puisse identifier des routages efficaces au sein de capacités fixes, elle ne peut pas résoudre les déficits de capacité. Aquivo aide à diagnostiquer ces limites et fournit un flux de travail participatif et structuré pour équilibrer les objectifs économiques, environnementaux et sociaux concurrents.

Articles similaires