La gestion des ressources en eau est l'un des défis les plus pressants du XXIe siècle. La croissance démographique rapide, l'intensification agricole, l'expansion industrielle et l'accélération des impacts du changement climatique mettent en péril les systèmes d'eau douce. Les gestionnaires doivent répartir une offre finie et souvent volatile entre les exigences concurrentes – intérieures, agricoles, industrielles et écologiques – tout en maintenant la qualité de l'eau, en assurant l'équité et en préservant la durabilité à long terme. Les approches de planification traditionnelles, qui reposent sur des règles heuristiques ou des modèles déterministes, ne permettent souvent pas de saisir le caractère discret, non linéaire et multidimensionnel des décisions du monde réel.

Comprendre la programmation intégrale : un cadre mathématique

La programmation intégrale (IP) est une classe d'optimisation mathématique dans laquelle certaines ou toutes les variables de décision sont limitées aux valeurs entières. Lorsque toutes les variables sont entières, le modèle est un programme entier pur; lorsqu'un sous-ensemble est entier, c'est un programme entier mixte (PIM). Un cas spécial et très utile est la programmation binaire intégrale, où les variables ne prennent que les valeurs 0 ou 1, représentant oui/non des décisions telles que la construction d'un nouveau puits ou l'attribution d'un calendrier de libération de réservoir particulier.

La forme canonique d'un programme linéaire mixte est :

Minimiser (ou maximiser) cTx + dTy
sous réserve de:
] A x + B y ≤ b
x , Rn (variables continues)[
y , Zm (variables entières)
y ≥ 0, et souvent y , pour les décisions binaires

La fonction objective (cTx + dTy) représente un coût ou un avantage à optimiser, par exemple, en réduisant le coût total de l'approvisionnement en eau ou en maximisant le volume total d'eau alloué. Les contraintes (A x + B y ≤ b) saisissent les limites des ressources, les exigences en matière de demande, les restrictions de capacité et les règlements environnementaux.

La résolution de programmes entiers est par nature plus difficile que la résolution de LP. La région réalisable est un ensemble de points isolés (ou une union de sections polyédriques), pas un ensemble convexe continu. La plupart des problèmes de PI sont NP‐hard, ce qui signifie que la taille du problème peut augmenter de façon exponentielle. Cependant, les résolveurs modernes (p. ex. Gurobi, CPLEX, COIN‐OR) utilisent des méthodes de branchement et de raccordement, de coupe-plan et d'heuristique pour trouver des solutions presque optimales efficacement dans de nombreuses situations pratiques.

Principales applications de la gestion des ressources en eau

Opération et calendrier du réservoir

Les réservoirs servent à plusieurs fins : la lutte contre les inondations, l'irrigation, la production d'énergie hydroélectrique et les flux environnementaux. L'opération comporte des décisions distinctes, par exemple l'ouverture ou la fermeture de portes, le choix du nombre de turbines à utiliser ou la détermination du moment et du volume des rejets. Les modèles de programmation intégraux représentent explicitement ces états distincts. Un modèle type pourrait réduire au minimum les coûts de pénalité pour les écarts par rapport aux niveaux de stockage cibles et aux besoins en aval, sous réserve des équations de bilan hydrique, des contraintes de capacité et des mandats de débit minimum.

Gestion des eaux souterraines

Les programmes de pompage intégrés peuvent déterminer l'ensemble optimal de puits à exploiter, le moment du pompage et l'attribution de l'eau aux utilisateurs pour minimiser les prélèvements ou les coûts énergétiques.Les variables binaires représentent l'activation du puits, tandis que les variables entières représentent le nombre de pompes installées.Les contraintes comprennent les taux de recharge de l'aquifère, le prélèvement maximal admissible et les seuils de qualité de l'eau.Les études menées dans l'aquifère des hautes plaines (USA) et dans la plaine de la Chine du Nord ont démontré que les programmes de pompage basés sur IP peuvent prolonger la vie de l'aquifère de 20 à 30 % par rapport aux approches conventionnelles.

Conception du réseau de distribution d'eau

La conception ou l'expansion d'un réseau municipal de distribution d'eau consiste à sélectionner les diamètres des tuyaux, les stations de pompage et les réservoirs de stockage à partir d'un ensemble distinct de tailles disponibles. La programmation mixte est l'approche standard pour optimiser ces réseaux. L'objectif réduit généralement les coûts d'investissement et d'exploitation tout en satisfaisant les exigences de pression et de débit à tous les noeuds. Les variables binaires modèlent les décisions d'installation des tuyaux; les variables entières modèlent le nombre de pompes ou de tailles des réservoirs.

Gestion de la qualité de l'eau

Pour contrôler les charges polluantes dans les rivières et les lacs, il faut prendre des décisions sur l'emplacement et le type d'installations de traitement, ainsi que sur le niveau de traitement à chaque site. Les modèles de programmation intégriste choisissent la meilleure combinaison de contrôles de source ponctuelle (p. ex., installation de traitements avancés aux sorties industrielles) et de contrôles de source non ponctuelle (p. ex., construction de terres humides ou mise en oeuvre de travaux de conservation). L'objectif peut être de respecter les normes de qualité de l'eau au moindre coût ou d'obtenir le plus grand avantage environnemental dans le cadre d'un budget fixe.

Calendrier d'irrigation et allocation des cultures

Dans l'agriculture irriguée, l'eau doit être répartie entre plusieurs cultures, chacune ayant des besoins en eau différents, des stades de croissance et des rendements économiques.La décision de déterminer le nombre d'hectares de chaque culture à planter (variable d'un entier) et le moment où l'irrigation (variables binaires pour les événements d'irrigation) peut être optimisée en utilisant des programmes entiers.Les contraintes comprennent la disponibilité totale de l'eau, la dynamique de l'humidité du sol et la disponibilité du travail ou du matériel.

Partage transfrontière de l'eau et règlement des conflits

Lorsque les rivières et les aquifères traversent les frontières internationales ou les États, les décisions d'attribution deviennent juridiques et politiques ainsi que techniques. La programmation intégrale peut modéliser l'attribution discrète des droits d'eau – par exemple, décider quel pays reçoit un certain volume chaque mois. Les variables binaires représentent les règles de priorité fondées sur les traités; les variables entières représentent le nombre d'actions détenues par chaque entité. Le modèle peut comprendre des contraintes d'équité (p. ex. déficit relatif minimal) et des incertitudes hydrologiques.

Avantages de la programmation intégrale pour la durabilité

Optimisation exacte et manipulation des contraintes

Contrairement aux méthodes de simulation ou d'heuristique, la programmation intégrale garantit la recherche de la solution optimale à l'échelle mondiale (ou d'une limite prouvée à l'optimalité) dans le modèle spécifié. Ceci est crucial lorsque les décisions impliquent des investissements importants en capital ou des impacts irréversibles sur l'environnement. La capacité de gérer des contraintes multiples, parfois contradictoires – limites de qualité de l'eau, exigences minimales de débit, quotas d'équité – garantit que les critères de durabilité ne sont pas négociés arbitrairement.

Soutien à la décision multi-objectifs

Les problèmes liés aux ressources en eau sont intrinsèquement multi-objectifs : équilibrer les coûts, la fiabilité, la santé environnementale et l'équité sociale. La programmation intégrale peut être étendue à des cadres multi-objectifs par des approches pondérées, des méthodes de contrainte d'epsilon ou des programmes d'objectifs. En créant un front Pareto de solutions non dominées, les décideurs peuvent explorer explicitement les compromis.

Analyse de scénarios et robustesse

Comme les modèles de programmation entiers sont déterministes, ils peuvent être résolus à plusieurs reprises selon différents scénarios (p. ex., hydrologie humide, sèche et moyenne; taux de croissance démographique; projections climatiques). La comparaison des solutions optimales entre les scénarios révèle quelles stratégies sont robustes et fragiles. Les praticiens peuvent ensuite adopter des stratégies de gestion adaptative. Par exemple, une étude du projet de l'État de Californie sur l'eau a utilisé la PI fondée sur des scénarios pour identifier les politiques de libération des réservoirs qui ont bien fonctionné sous les extrêmes de sécheresse et d'inondation.

Intégration avec les mesures de durabilité

En ajoutant des contraintes qui exigent un niveau minimal de débit environnemental, un taux maximal d'appauvrissement des eaux souterraines ou un seuil d'accès équitable, les solutions d'optimisation sont --durables par définition. Les plans qui en résultent sont non seulement économiquement efficaces mais également responsables sur le plan écologique et social. De plus, le modèle peut être étendu pour inclure les coûts du cycle de vie, les émissions de carbone et les valeurs de service écosystémiques.

Problèmes de mise en œuvre

Complexité et scalabilité informatiques

Les systèmes d'eau du monde réel impliquent souvent des milliers de variables décisionnelles (dont beaucoup de variables binaires) et des millions de contraintes. Bien que les résolveurs modernes utilisent des techniques avancées (présolvez, coupez des plans, traitez en parallèle), les temps de solution peuvent encore dépasser les limites acceptables pour les opérations en temps réel. Les méthodes de décomposition (p. ex. décomposition de Benders, relaxation lagrangienne) peuvent exploiter la structure des problèmes pour résoudre des cas plus importants, mais elles nécessitent une mise en œuvre minutieuse.

Incertitude des données et mitigation du modèle

Les modèles de programmation intégrale supposent que les paramètres (p. ex., les entrées futures, les demandes d'eau, les coefficients de coûts) sont connus avec certitude. En réalité, les prévisions hydrologiques sont incertaines et le comportement humain est imprévisible. La solution optimale dans un scénario déterministe unique peut être mal adaptée à d'autres réalités plausibles. Les approches pour résoudre l'incertitude comprennent la programmation intégraire stochastique (où les scénarios sont attribués aux probabilités) et une optimisation robuste (où les contraintes doivent être satisfaites pour toutes les valeurs dans un ensemble d'incertitude).

Disponibilité des données et étalonnage du modèle

Les modèles de programmation intégraux sont peu fiables, car ils nécessitent des informations fiables sur le débit, les niveaux d'eau souterraine, la qualité de l'eau, les capacités d'infrastructure, les tendances de la demande et les évaluations économiques. Dans de nombreuses régions en développement, ces données sont rares ou mal entretenues. De plus, l'étalonnage des paramètres hydrauliques et hydrologiques dans le cadre d'optimisation ajoute une autre couche de complexité.

Interprétation et acceptation par les parties prenantes

Les résultats d'un modèle de programmation entier — souvent une attribution particulière de variables binaires — peuvent apparaître comme une boîte noire aux décideurs et au public. Sans explications claires, les parties prenantes peuvent se méfier des résultats.Les outils de visualisation, l'analyse post-optimalité (par exemple, les prix fictifs, les coûts réduits) et les tableaux de bord conviviaux sont essentiels pour renforcer la confiance.

Tendances et orientations futures

Optimisation stochastique et robuste

Pour contrer l'incertitude, les modèles de programmation stochastiques entiers intègrent des distributions de probabilités sur des paramètres aléatoires. Les formulations stochastiques en deux étapes traitent les décisions prises avant (première étape) et après (deuxième étape) l'incertitude est révélée. Par exemple, la création de la capacité de réservoir avant de connaître les entrées futures, puis la planification des rejets après les entrées sont observées. L'optimisation robuste cherche des solutions qui demeurent réalisables pour toutes les réalisations dans un ensemble d'incertitude donné.

Intégration avec l'apprentissage automatique et les données en temps réel

D'abord, les modèles ML (p. ex., les réseaux neuronaux LSTM) peuvent générer des prévisions de haute qualité sur le débit, la demande et la qualité de l'eau, qui servent ensuite d'intrants au modèle IP. Deuxièmement, ML peut apprendre des modèles de substitution de composants de simulation complexes (p. ex., les modèles de débit d'eau souterraine) pour remplacer les résolveurs numériques longs dans la boucle d'optimisation. Troisièmement, l'apprentissage du renforcement peut être combiné à l'IP pour le contrôle en temps réel des systèmes d'eau.

Modélisation multi-objectif et participative

Les avancées dans la programmation intégrale multi-objectifs (p. ex. méthodes interactives, algorithmes hybrides évolutionnaires-IP) permettent aux décideurs d'explorer les compromis en temps réel. Les plateformes Web qui intègrent des solveurs IP permettent des ateliers participatifs où les intervenants peuvent ajuster les priorités (p. ex., poids sur le flux environnemental par rapport au coût) et voir immédiatement l'impact sur le plan optimal.Cette démocratisation de l'optimisation favorise la transparence et la formation de consensus. Un exemple notable est l'outil d'évaluation et de planification de l'eau (WEAP), qui intègre maintenant des extensions d'optimisation pour la gestion intégrée des ressources en eau; on peut trouver plus d'informations à Stockholm Environment Institute WEAP.

adaptation aux changements climatiques

Les modèles de programmation Integer sont en cours d'adaptation pour intégrer les projections climatiques par la planification de scénarios et une optimisation robuste. Au lieu d'assumer l'hydrologie stationnaire, les modèles traitent maintenant les paramètres comme variant et incertains. Par exemple, une étude récente sur le bassin de la rivière Zambezi a utilisé un PIM pour concevoir des voies d'infrastructure adaptatives qui pourraient être ajustées au fur et à mesure de l'évolution du climat.

Jumelles numériques et optimisation en temps réel

Le concept de jumeau numérique, une réplique numérique dynamique d'un système physique d'approvisionnement en eau, gagne en traction. En association avec la programmation d'entier, les jumelles numériques peuvent être utilisées pour une optimisation opérationnelle quasi-réelle. Par exemple, un jumeau numérique d'un réseau de distribution d'eau ingère des données de capteur sur la pression, le débit et la qualité de l'eau toutes les quelques minutes.

Conclusion

En prenant en compte la nature discrète des décisions relatives à l'infrastructure, des règles d'attribution et des calendriers opérationnels, les modèles de PI produisent des solutions à la fois optimales et réalisables.De l'exploitation des réservoirs et de la gestion des eaux souterraines à la conception de réseaux et au partage transfrontalier des eaux, les applications sont vastes. Les avantages – un appui précis, multi-objectifs, l'analyse de scénarios et l'intégration aux mesures de durabilité – font de la PI la pierre angulaire de la planification moderne de l'eau.