Aide à la décision multicritère pour la hiérarchisation de tronçons d’assainissement dans le cadre d’une gestion patrimoniale
Notice bibliographique
Résumé
Les réseaux d’assainissement constituent un patrimoine important qui nécessite une gestion à long terme dans le cadre d’une politique intégrée qui tient compte de l’état des tronçons, de leur environnement et de contraintes budgétaires fortes. Dans cette perspective, une connaissance du patrimoine est nécessaire, à travers la mise en place d’inventaires permettant de collecter des données liées au patrimoine et à son environnement. Dans le cadre de cet article, le patrimoine étudié sera constitué de tronçons d’assainissement non visitables (diamètre inférieur à 1200 mm) pour lesquels un inventaire a été effectué et des données sont disponibles. L’état des tronçons peut être évalué à partir de données d’inspections télévisuelles (ITV) réalisées par caméras robotisées. Ces inspections permettent de décrire l’état des tronçons d’assainissement, mais ne permettent pas de hiérarchiser les tronçons, ni de prendre des décisions de réhabilitation ou de renouvellement. À cet effet, nous proposons d’utiliser la méthodologie développée dans le cadre du projet Français Réhabilitation des réseaux d’assainissement urbains, RERAU (2000–2004), qui propose de mesurer à partir des défauts constatés par ITV des densités de dysfonctionnement. À partir de ces dysfonctionnements, nous utilisons la méthode multicritère Electre-tri pour la mise en place d’une procédure d’affectation des tronçons en catégories selon leur état de détérioration. L’étude a été réalisée sur un échantillon de tronçons d’assainissement en Alsace, France. L’article décrit la mise en place de la démarche et présente les principaux résultats.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».