Evaluating a post-incident drinking water quality monitoring network using consumer complaints and verified leak events​​

Imaginez les canalisations d'eau d'une ville comme un vaste système nerveux caché. Pendant des décennies, les services des eaux ont compté sur une méthode humaine simple pour savoir si quelque chose ne allait pas dans ce système : attendre que les gens appellent. Lorsqu'un robinet coule marron ou qu'une eau dégage une odeur étrange, un résident décroche le téléphone. Ces plaintes ont longtemps été la principale sonnette d'alarme pour les problèmes de qualité de l'eau, un rapport direct du consommateur vers le service des eaux. Cependant, ces dernières années, la technologie a offert une approche différente. Les villes installent désormais des capteurs électroniques à des points clés du réseau, des dispositifs qui mesurent constamment la clarté, l'équilibre chimique et la température de l'eau. L'espoir est que ces machines puissent repérer un problème avant qu'une seule personne ne remarque un changement, agissant comme un système d'alerte précoce pour prévenir des problèmes généralisés. Mais une question critique demeure : ces capteurs sont-ils réellement placés aux bons endroits pour détecter les problèmes rencontrés par les gens ? Si les capteurs surveillent les mauvais quartiers, la technologie la plus avancée au monde pourrait tout de même passer à côté des ennuis.

En 2019, un incident majeur à Incheon, en Corée du Sud, a déclenché une vague massive de plaintes concernant de l'« eau rouge ». La décoloration a duré des semaines, affectant une grande partie de la ville et causant des dommages économiques importants. À la suite de cet événement, le service local des eaux a installé un réseau de stations de surveillance de haute technologie à travers la zone touchée. Ces stations ont été placées aux entrées de districts spécifiques, appelés secteurs de comptage de district, conçus pour surveiller la qualité de l'eau de ces quartiers. L'objectif était de créer un filet de sécurité capable de détecter instantanément les problèmes futurs. Deux ans plus tard, un chercheur s'est mis en route pour tester si ce nouveau réseau remplissait réellement sa mission. La méthode était simple mais rigoureuse : au lieu de se contenter de regarder ce que les capteurs voyaient, le chercheur a comparé directement les données des capteurs avec les plaintes réelles déposées par les résidents au cours de la même période. L'étude posait une question simple et honnête : lorsque les gens se plaignaient de la mauvaise qualité de l'eau, les capteurs à proximité étaient-ils en train de constater le problème ?

L'enquête a débuté par l'examen d'un événement spécifique en septembre 2022. Les capteurs ont enregistré une vague massive de changements de la qualité de l'eau à l'échelle de la ville. Dès le début de la matinée, une perturbation s'est propagée à travers le réseau, provoquant un pic de turbidité détecté par vingt-deux des vingt-trois stations de surveillance. Cette vague de données a traversé le système selon un schéma séquentiel clair. Remarquablement, ce signal électronique est apparu environ deux jours avant que les résidents ne commencent à appeler. Le jour où les plaintes ont finalement afflué, atteignant un sommet de cent quarante appels en une seule journée, les capteurs suivaient déjà le problème depuis un certain temps. Cette partie de l'étude a montré que le réseau était capable de remplir sa fonction prévue à grande échelle. Il pouvait voir une perturbation majeure se déplacer dans les tuyaux et alerter les responsables avant même que le public ne se rende compte de quoi que ce soit. La technologie fonctionnait comme un système d'alerte précoce global pour toute la ville.

Cependant, l'histoire a radicalement changé lorsque le chercheur a zoomé pour examiner les quartiers spécifiques où les gens appelaient. L'analyse a révélé un fossé flagrant et surprenant. Si les capteurs étaient excellents pour voir l'ensemble de la situation, ils étaient presque totalement aveugles aux problèmes locaux qui frustraient les résidents. Lorsque le chercheur a cartographié les plaintes selon les districts d'où elles provenaient, un modèle clair est apparu : quatre-vingt-quatre pour cent des plaintes concernant des problèmes perceptibles de la qualité de l'eau provenaient de quartiers qui n'avaient aucun capteur. Les capteurs étaient placés dans des districts qui, bien qu'importants pour des raisons hydrauliques, n'étaient pas les endroits où la qualité de l'eau faisait réellement défaut pour les habitants. Les sept quartiers ayant enregistré le plus grand nombre de plaintes étaient tous dépourvus de capteurs. Le district le plus touché lors de l'événement de septembre, celui qui a enregistré le volume de appels le plus élevé, n'avait aucun capteur pour enregistrer la crise. Les capteurs surveillaient les mauvais endroits.

Ce décalage signifiait que les capteurs ne pouvaient pas servir de système d'alerte précoce local. Même lorsque les chercheurs ont tenté d'établir un lien entre les données des capteurs et les plaintes sur une base quotidienne, ils n'ont rien trouvé. Les capteurs n'échouaient pas à détecter l'eau ; ils n'étaient simplement pas situés aux bons endroits pour voir l'eau que les résidents buvaient. L'étude a écarté l'idée que les capteurs soient trop peu sensibles ou que les algorithmes soient trop stricts. Le problème était purement une question de placement. Les capteurs avaient été installés en fonction de la commodité administrative et de la configuration des tuyaux, et non en fonction des endroits où les résidents éprouvaient réellement des difficultés. La recherche a montré que si le service des eaux avait placé le même nombre de capteurs dans les quartiers ayant le plus de plaintes, ils auraient couvert près de quatre-vingt-dix pour cent des zones problématiques, au lieu des seize pour cent qu'ils couvrent actuellement.

L'étude a également examiné si les capteurs pouvaient détecter des événements physiques tels que les fuites de canalisations. En analysant les données provenant de réparations de fuites vérifiées, les chercheurs ont constaté que lorsqu'une fuite se produisait dans un quartier surveillé, les capteurs détectaient un changement, certes faible mais mesurable, de la clarté de l'eau dans un délai de quarante-huit heures. Cela confirmait que les capteurs étaient assez sensibles pour percevoir les effets physiques d'une rupture de canalisation. Pourtant, ce succès était limité aux rares quartiers où les capteurs se trouvaient par hasard. Pour la grande majorité de la ville, là où les fuites et les réparations se produisaient dans des blocs non surveillés, les capteurs restaient silencieux. La technologie fonctionnait, mais sa valeur était sévèrement limitée par son déploiement.

La conclusion finale de cette recherche est une leçon sur les limites de la technologie sans contexte. Un réseau de surveillance n'est aussi performant que son placement. Installer des capteurs coûteux dans les mauvais quartiers crée un faux sentiment de sécurité, car le système passera à côté des problèmes mêmes qu'il était censé détecter. L'étude suggère que les services des eaux ne devraient pas se contenter de modèles d'ingénierie ou de cartes de canalisations pour décider de l'emplacement des capteurs. Au lieu de cela, ils devraient écouter les gens. En utilisant l'historique des plaintes des clients pour guider l'emplacement des capteurs, les villes pourraient s'assurer que leurs systèmes de surveillance de haute technologie surveillent réellement les zones où les gens ont le plus besoin de protection. Les capteurs d'Incheon ont prouvé qu'ils pouvaient voir une vague à l'échelle de la ville, mais ils ont échoué à voir les ondulations locales qui comptaient le plus pour les habitants. La voie à suivre n'est pas nécessairement de meilleurs capteurs, mais un placement plus intelligent, utilisant les voix des résidents pour guider les yeux des machines.