L'intelligence artificielle au service de la conception et de l'entretien des ponts

Les images d'un pont de tramway effondré sur l'Elbe à Dresde ont fait le tour du monde en septembre 2024. C'est un miracle que personne n'ait perdu la vie, contrairement à l'effondrement du pont autoroutier de Gênes en 2018, qui a fait 43 mortes et morts. Les deux catastrophes n'ont pas été causées par des influences extérieures, mais plutôt par des processus d'endommagement liés à l'âge des structures. Ces processus n'ont pas été détectés et corrigés à temps. «La Suisse est également confrontée à une situation dans laquelle une part considérable de son infrastructure approche de la fin de sa durée de vie prévue et doit être inspectée et renforcée si nécessaire», explique Sophia Kuhn. «Nous développons un outil qui permet de maintenir les ponts en service le plus longtemps possible et donc de préserver les ressources sans courir un risque d'accident disproportionné».

Sophia Kuhn est chercheuse doctorante dans le groupe dirigé par Walter Kaufmann, d'ingénierie structurelle (structures en béton et conception de ponts) à l'ETH Zurich. Son doctorat est co-supervisé par Fernando Pérez-Cruz, professeur d'informatique à l'ETH Zurich, et le professeur Michael Kraus de la TU Darmstadt. Les recherches de Sophia Kuhn se concentrent sur l'utilisation de l'intelligence artificielle dans la construction, en particulier les algorithmes d'apprentissage automatique. En collaboration avec son collègue Marius Weber et les Chemins de fer fédéraux suisses (CFF), elle a développé un modèle d'intelligence artificielle pour les «ponts à cadre rigide» - des ponts ferroviaires simples en béton armé, particulièrement répandus en Suisse, qui permettent aux chemins de fer de passer au-dessus ou au-dessous des routes ou des chemins piétonniers, par exemple. Pratiquement en appuyant sur un bouton, le modèle d'IA fournit une première évaluation de la sécurité structurelle, prédisant ainsi si un pont est potentiellement critique d'un point de vue statique ou non. «Il est donc possible de déterminer par ordre de priorité les ponts qui devraient faire l'objet d'une évaluation structurelle sans délai et qui pourraient nécessiter des interventions structurelles», explique Sophia Kuhn.

L'IA peut évaluer l'efficacité des analyses

Le modèle ne fournit pas seulement une valeur prédite pour la sécurité structurelle, mais indique également si cette valeur est fiable ; en d'autres termes, il quantifie l'incertitude du modèle. En particulier, il aide à décider de la marche à suivre lors de l'évaluation structurelle d'un pont. Les ingénieurs et ingénieures effectuent toujours des calculs plus ou moins complexes sur ordinateur, mais elles et ils peuvent le faire soit en utilisant des méthodes conventionnelles, qui donnent des résultats avec relativement peu d'efforts, soit en utilisant des analyses raffinées, qui sont beaucoup plus intensives en termes de temps et de puissance de traitement et donc plus coûteuses, bien qu'elles donnent des résultats plus précis et moins conservateurs. «Souvent, on ne sait pas s'il est judicieux d'effectuer ces analyses affinées ou si elles ne représentent pas une dépense inutile», explique Sophia Kuhn. «Notre outil d'IA peut évaluer si les analyses sont susceptibles d'être efficaces et si le coût qu'elles impliquent en vaut la peine.»

Le pipeline de simulation fournit des données supplémentaires

Les scientifiques ont utilisé le portefeuille de ponts à cadre rigide des CFF comme base du modèle. «Nous avons étudié de nombreux exemples - comment ils sont construits, à quel point ils sont variables - et nous avons développé une pipeline de simulation paramétrique sur la base de ces exemples», explique la chercheuse. Cette pipeline génère des structures virtuelles à partir de divers paramètres du pont, calcule l'étendue de l'utilisation de la capacité structurelle et produit ainsi des données supplémentaires.

Les scientifiques ont construit un réseau neuronal artificiel, un algorithme qui apprend à partir des données de la même manière que notre cerveau. Cela a donné naissance à un modèle basé sur l'apprentissage automatique qui fournit les prédictions souhaitées pour de nombreux ponts à cadre rigide existants, même s'ils n'ont pas été calculés par des expertes et experts ou par la pipeline de simulation. «Nous avons validé notre modèle sur un ensemble de données de test et l'avons évalué avec des exemples de ponts réels», explique Sophia Kuhn. «Le modèle présente un bon alignement et le niveau de précision requis pour les CFF. Nous avons donc développé un premier prototype. La prochaine étape consistera à collaborer avec les CFF pour s'assurer que les ingénieurs et ingénieures des ponts peuvent appliquer le modèle dans la pratique, puis à faciliter une application plus large du modèle.»

L'assistant d'IA inverse le processus de conception

Dans un deuxième projet de la chaire de Walter Kaufmann, Sophia Kuhn a travaillé avec le professeur Michael Kraus et le Swiss Data Science Center sur la conception de nouveaux ponts. «Notre objectif était de développer un assistant IA qui aide activement l'équipe d'ingénieures et ingénieurs à concevoir le pont et à réaliser des structures rentables qui soient aussi durables que possible sans compromettre la sécurité», explique Sophia Kuhn. Traditionnellement, les ingénieurs élaborent la conception d'un pont et utilisent ensuite un logiciel de calcul conventionnel pour déterminer la sécurité structurelle, l'aptitude au service, les coûts et d'autres caractéristiques. Si ces valeurs ne répondent pas aux spécifications, l'équipe modifie la conception jusqu'à ce que les objectifs du projet soient atteints - un processus long au cours duquel une grande partie du potentiel n'est souvent pas exploitée.

«En fait, il est préférable d'inverser ce processus, mais cela n'est pas possible avec les logiciels de calcul conventionnels», explique la chercheuse. «Ce que l'on veut, c'est entrer les objectifs du projet et les conditions limites, puis recevoir des propositions de conception qui répondent à ces spécifications sans devoir procéder à des itérations laborieuses.» L'assistant IA développé par les scientifiques, qui utilise des algorithmes d'IA génératifs, permet précisément cela. Non seulement il accélère l'approche prospective en évaluant plusieurs conceptions presque en temps réel, mais il génère également de manière proactive des conceptions qui répondent aux contraintes et aux objectifs définis.

Comme étude de cas pour le développement de leur assistant IA, les scientifiques, en collaboration avec leur collègue Vera Balmer, ont utilisé le projet d'un pont piétonnier à Saint-Gall conçu par la société d'ingénierie Basler & Hofmann en collaboration avec Nau2 et dgj Landscapes. Ce pont, connu sous le nom de pont piétonnier Wiborada, traverse un parc de la vieille ville et doit éviter, dans la mesure du possible, de toucher les arbres protégés. Au cours de leur travail sur ce projet, les chercheuses et chercheurs de l'ETH Zurich ont été en contact avec la société d'ingénierie, qui a été impressionnée par la présentation des résultats. L'assistant IA a fourni plusieurs exemples de ponts possibles et a également effectué une «analyse de sensibilité» indiquant quels paramètres ont la plus grande influence sur la sécurité structurelle conformément aux normes, ou sur les coûts estimés ou la durabilité.

«L'assistant IA assiste donc les ingénieures et ingénieurs mais ne les remplace pas», souligne Sophia Kuhn. Par exemple, si l'assistant IA propose une conception qui, bien qu'inattendue, répond aux spécifications en termes de sécurité structurelle et de compatibilité environnementale, les ingénieurs et ingénieures doivent encore évaluer s'il est possible de construire un tel pont et s'il sera durable. «Nous ne fournissons pas de solution en un clic. Il y a toujours une interaction entre l'ingénieur et l'IA», précise la chercheuse.

Boîte à outils pour des modèles d'IA adaptés

La construction de ponts n'est pas la seule application potentielle de ces techniques avancées d'apprentissage automatique. En collaboration avec d'autres scientifiques de l'ETH Zurich du Swiss Data Science Center et de la chaire d'architecture Gramazio Kohler Research, le groupe de recherche de la chaire de Walter Kaufmann a développé une boîte à outils qui rend les algorithmes d'IA accessibles à d'autres ingénieures et ingénieurs et architectes sans qu'il soit nécessaire d'avoir des compétences approfondies en programmation.

«Avec seulement quelques lignes de code, notre boîte à outils open-source permet aux utilisateurs et utilisatrices de construire des modèles prospectifs et des modèles génératifs qui peuvent être utilisés pour résoudre des problèmes complexes et de haute dimension dans l'architecture, l'industrie de la construction et au-delà», explique Sophia Kuhn. L'objectif est d'apporter un large soutien à la planification économique et durable dans le secteur de la construction. «Dans le secteur de la construction, ces approches sont moins répandues que dans d'autres industries telles que l'ingénierie mécanique», explique la chercheuse. «Il existe encore un potentiel considérable d'amélioration de l'efficacité et de la durabilité grâce à des méthodes basées sur les données - et c'est là notre objectif.»