Les régions côtières du monde entier sont de plus en plus menacées par les effets combinés du changement climatique, de l'élévation du niveau de la mer et des phénomènes météorologiques extrêmes plus fréquents. La nécessité de concevoir des infrastructures résilientes dans ces environnements dynamiques n'a jamais été aussi urgente. Pourtant, les défis sont immenses : les infrastructures doivent protéger les communautés, soutenir les activités économiques, préserver les écosystèmes et rester abordables tout au long de leur cycle de vie. C'est là que l'optimisation multi-objectifs (MOO) est devenue une méthodologie indispensable.

Comprendre la complexité de la conception des infrastructures côtières

Les systèmes d'infrastructure côtière – murs de mer, douves, barrières anti-orages, brise-lames, dunes et solutions fondées sur la nature – sont des actifs de longue durée qui doivent fonctionner dans de nombreuses conditions. Leur conception doit tenir compte d'objectifs multiples, souvent contradictoires. Par exemple, élever un mur de mer pour se protéger contre un événement orageux de 100 ans augmente les coûts de construction et peut perturber les habitats côtiers.

Plutôt que de chercher une réponse unique --------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Objectifs clés de l'infrastructure côtière

Les objectifs typiques d'une étude sur les zones côtières du MOO sont les suivants :

  • Minimiser les coûts d'immobilisation et d'entretien. Les contraintes budgétaires sont toujours une préoccupation principale pour les projets de travaux publics.
  • La résilience maximale aux ondes de tempête, aux vagues et aux inondations. Cela est souvent quantifié par les dommages annuels attendus, la probabilité de défaillance ou la robustesse sous les tempêtes de conception.
  • Réduire les perturbations écologiques et environnementales à long terme Les structures dures peuvent modifier le transport des sédiments, dégrader les habitats et affecter la qualité de l'eau.
  • Assurer l'équité sociale et l'acceptation de la collectivité. La protection des populations vulnérables et le maintien de l'accès du public au littoral sont de plus en plus importants.
  • Adaptabilité aux conditions climatiques futures Les conceptions qui peuvent être améliorées ou qui intègrent des éléments flexibles sont précieuses dans une profonde incertitude.

Concepts fondamentaux de l'optimisation multi-objectif

À son cœur, le MOO consiste à formuler un problème mathématique avec un vecteur de variables de décision (p. ex., hauteur de crête d'un mur de mer, angle de pente, type de renouvellement), un ensemble de contraintes (p. ex., retrait maximal admissible vers la terre) et de fonctions objectives multiples qui sont généralement contradictoires.

Les techniques les plus courantes pour résoudre les problèmes de MO en génie côtier se divisent en deux catégories : les méthodes classiques qui scalarisent les objectifs en utilisant des poids et les algorithmes évolutifs qui utilisent la recherche en population. Bien que les méthodes de scalarisation (comme les méthodes de somme pondérée ou de contrainte à l'épsilon) soient simples, elles nécessitent souvent de nombreuses séries pour générer un front Pareto représentatif et peuvent manquer les régions concaves.

Algorithmes populaires: NSGA-II et au-delà

L'algorithme génétique de tri non dominé (NSGA-II) est l'un des algorithmes les plus utilisés par les MOO. Il utilise une procédure de tri rapide non dominée, un opérateur de comparaison surpeuplé pour maintenir la diversité et une approche élitiste qui préserve les meilleures solutions au fil des générations.De nombreuses études sur les infrastructures côtières s'appuient sur NSGA-II pour identifier les compromis entre les coûts et les risques d'inondation.

Pour les applications côtières, le choix de l'algorithme dépend souvent de la taille du problème (nombre de variables et d'objectifs de décision), du budget de calcul (nombre d'évaluations du modèle) et de la question de savoir si les fonctions objectives sont évaluées par un modèle de simulation coûteux (p. ex. un modèle hydrodynamique complet) ou par un substitut plus simple.

Applications dans la conception des infrastructures côtières

Le Ministère de l'environnement a été appliqué à une grande variété de défis liés aux infrastructures côtières.

Design de digue et de digue

Les objectifs pourraient être de réduire au minimum les coûts de construction, de maximiser la protection contre les suremblayages (mesurée par le taux de suremblayage admissible) et de minimiser la dégradation de l'écailles et de l'habitat côtiers. Les chercheurs ont utilisé la NSGA-II pour générer des fronts de Pareto, ce qui montre, par exemple, qu'une petite augmentation de la hauteur de la crête peut réduire de façon spectaculaire les coûts de suremblayage, mais à un coût différentiel élevé au-delà d'un certain seuil.

Optimisation du système de levée et de la barrière d'inondation

Pour les systèmes à grande échelle comme les digues dans un delta ou les barrières protégeant une région métropolitaine, le MOO peut gérer plusieurs structures interagissantes. Une étude typique pourrait optimiser les hauteurs et les emplacements des digues, la capacité des stations de pompage et l'exploitation des portes d'écluses.Les objectifs comprennent souvent le risque d'inondation (dommages annuels prévus), le coût total du système et la connectivité écologique (p. ex., maintien du passage des poissons).Un exemple notable est la planification des défenses Houston Ship Channel, où le MOO a contribué à équilibrer les coûts, le niveau de protection à diverses périodes de retour et les impacts environnementaux.

Solutions basées sur la nature : Dunes et zones humides

La restauration des dunes, la création de marais salés et la plantation de mangroves permettent d'atténuer les vagues, d'assurer l'habitat et de séquestration du carbone, mais nécessitent de l'espace et de l'entretien. Le MOO est essentiel pour intégrer ces interventions dans des systèmes hybrides qui combinent des éléments naturels et des éléments de construction. Par exemple, une optimisation multi-objectifs d'un projet de restauration d'îles de barrière pourrait équilibrer le volume de sable placé, le coût des cycles de nourriture, l'élévation de la crête des dunes et l'habitat de nidification des oiseaux de rivage menacés.

Planification d'adaptation côtière à échelles multiples

Les variables de décision comprennent le calendrier des mesures (p. ex., élever les dunes, construire des murs de mer, déplacer des bâtiments) et les objectifs peuvent englober le coût net actuel, le risque résiduel sur 50 ans et les mesures de la santé de l'écosystème. Les études utilisant l'optimisation dynamique multi-objectifs ont montré que les voies d'adaptation—des séquences d'actions planifiées qui peuvent être ajustées en fonction des changements de conditions—sont plus efficaces que les plans statiques. Par exemple, une séquence de relèvement progressif d'un système de dunes couplé à la création de zones humides peut coûter moins cher que la construction d'un seul grand mur de mer tout en offrant une protection souple pouvant répondre aux taux d'élévation du niveau de la mer non prévus auparavant.

Défis méthodologiques et stratégies d'atténuation

Malgré sa promesse, l'application du MAO à la conception des infrastructures côtières n'est pas sans difficultés importantes.Les ingénieurs et les chercheurs doivent faire face à des limites de données, à l'incertitude du modèle, aux dépenses de calcul et à la nécessité d'intégrer une incertitude profonde quant aux conditions climatiques et socio-économiques futures.

Incertitudes dans les projections climatiques

Les modèles de MOO qui traitent ces facteurs comme des intrants déterministes peuvent produire des conceptions fragiles, optimales pour un avenir mais catastrophiques pour un autre. Une approche robuste consiste à intégrer l'incertitude par des méthodes de quantification d'incertitude (UQ), comme la simulation de Monte Carlo, ou en formulant des objectifs en termes de robustesse ou de fiabilité. Par exemple, au lieu de minimiser les dommages annuels attendus, un objectif pourrait être de minimiser les dommages les plus graves dans un ensemble de scénarios climatiques plausibles. Une autre méthodologie émergente est la théorie de la décision de l'info-gap, qui évalue jusqu'où un design optimal peut résister à l'incertitude avant que les performances ne se dégradent de façon inacceptable.

Dépenses informatiques des modèles à haute fidélité

De nombreux processus côtiers, comme la propagation des ondes, les ondes de tempête, le transport des sédiments, exigent des modèles calculables intensifs (par exemple SWAN, ADCIRC, Delft3D). L'exécution de ces modèles à des milliers de reprises dans un cadre de MOO est souvent prohibitive. Les remèdes courants comprennent l'utilisation de modèles de substitution (métamodèles)[, tels que la régression du processus gaussien ou les réseaux neuronaux, formés sur un nombre modeste de simulations à haute fidélité. La substitution est utilisée comme approximation rapide pendant l'optimisation, et les solutions critiques peuvent être vérifiées plus tard avec le modèle complet.

De nombreux objectifs et visualisations

Lorsque le nombre d'objectifs dépasse trois ou quatre, il devient difficile de visualiser le front de Pareto. Les décideurs humains peuvent se battre pour comprendre les compromis dans les espaces à haute dimension. Des outils tels que les diagrammes de coordonnées parallèles, les cartes thermiques et les cartes auto-organisantes aident. De plus, des techniques comme réduction objective identifient des objectifs redondants (ceux qui sont fortement corrélés) et effondrent le problème.

Valeurs communautaires et équité sociale

Enfin, le MAO n'est que aussi bon que les objectifs qu'il utilise.Les mesures traditionnelles comme la valeur actualisée nette ou la fréquence des inondations ne permettent pas de saisir l'expérience vécue des communautés vulnérables.L'intégration de l'équité sociale[ exige des objectifs supplémentaires tels que le nombre de ménages sous le seuil de pauvreté protégé, la diversité des types de logement dans les zones inondables et la préservation de sites culturellement importants.

Orientations futures en matière d'optimisation multi-objectifs pour la résilience côtière

Le domaine progresse rapidement, grâce à l'amélioration de la puissance de calcul, de la disponibilité des données et de l'innovation algorithmique.

Intégration avec les Twins numériques

Les jumelles numériques, des répliques numériques dynamiques de systèmes physiques constamment mis à jour avec des données en temps réel, deviennent une réalité pour les ports, les îles-barrières et les villes côtières. En alliant un jumelles numériques avec les MOO, les décideurs peuvent continuellement mettre à jour les paramètres de conception optimaux à mesure que de nouvelles observations (p. ex., les taux d'élévation du niveau de la mer, les occurrences de tempêtes) deviennent disponibles.

Apprentissage automatique et modèles de substitution profonds

Les réseaux neuronaux profonds et les réseaux neuronaux éclairés par la physique (PINN) sont utilisés pour créer des modèles de substitution extrêmement précis qui peuvent être interrogés des millions de fois dans une boucle d'optimisation. Ces substituts peuvent apprendre des relations complexes entre les paramètres de conception et les mesures de performance à partir de grands ensembles de données de simulations précalculées.

Optimisation des systèmes basés sur la nature et hybrides

Les avantages des solutions fondées sur la nature étant de plus en plus quantifiés, les cadres de gestion des zones d'intérêt intègrent dès le départ les objectifs écologiques et écosystémiques, ce qui exige de combiner les modèles biophysiques (p. ex., atténuation des vagues de végétation côtière, taux d'accumulation) avec les modèles sociaux et économiques.

Prise de décision robuste et optimisation robuste multi-objectif

Étant donné la profonde incertitude sur le climat et les perspectives socio-économiques, de solides méthodes d'optimisation qui tiennent compte explicitement de la valeur du pire cas ou de la valeur conditionnelle à risque deviennent plus courantes. Le MAO robuste ne se fonde pas sur un scénario futur unique mais évalue les conceptions à travers un ensemble de scénarios, en cherchant des solutions qui fonctionnent de manière adéquate sur tous les futurs plausibles.

Étude de cas : Optimiser une défense côtière hybride pour une communauté vulnérable

Pour illustrer l'application pratique du MAO, il faut envisager une collectivité côtière de taille moyenne qui fait face à des inondations chroniques causées par les marées hautes et les ondes de tempête. L'équipe de conception examine trois stratégies d'intervention : un haut mur de mer en béton, un système de dunes et de marais végétalisés (basés sur la nature) et un hybride qui combine un bas mur de mer avec une large dune et un marais. Le problème du MAO comprend trois objectifs : minimiser le coût total actualisé du cycle de vie, minimiser les dommages annuels attendus des inondations et maximiser la superficie d'habitat écologique (en tant que substitut des services écosystémiques).

Grâce à un modèle de remplacement hydrodynamique, l'équipe produit un front de solution de Pareto. Les résultats montrent que les solutions basées sur la nature réduisent considérablement les coûts et améliorent l'habitat, mais offrent moins de protection dans les cas extrêmes. La conception hybride permet de réduire presque aussi bien que la totalité des dommages causés par les inondations, tout en réduisant de 30 % le coût et en assurant une restauration modérée de l'habitat. Le front de Pareto révèle également un point de genou : un plan où une légère augmentation des coûts permet de réaliser un gain important en protection contre les inondations ou une légère réduction de la protection donne un gain important dans l'habitat. Ce point de genou devient le concept recommandé, validé par les ateliers communautaires.

Conclusion

L'optimisation multi-objectifs s'est révélée être une approche transformatrice pour concevoir des infrastructures côtières résilientes.En révélant systématiquement les compromis entre les coûts, la sécurité, l'écologie et l'équité, le Ministère de l'environnement donne aux ingénieurs, aux planificateurs et aux collectivités les moyens de prendre des décisions éclairées et transparentes dans une profonde incertitude.

Pour plus de détails, consulter les textes fondamentaux tels que optimisation multi-objectifs et le document de référence sur NSGA-II. Des conseils pratiques pour les applications côtières sont disponibles dans les rapports du Comité sur l'adaptation au changement climatique de la Société américaine des ingénieurs civils (ASCE). Pour des études de cas sur les solutions basées sur la nature, voir les travaux de l'Initiative de solutions fondées sur la nature .