L'éboulement de Blatten a rappelé le danger que peuvent représenter les chutes de pierres dans les régions de montagnes. De tels événements sont très difficiles à prévoir, et l'évaluation des risques s'avère également compliquée.
Partant de ce constat, le professeur en dangers naturels et en gestion des risques à la BFH-HAFL Luuk Dorren adopte une approche inédite dans son projet Rockaval, lancé en collaboration avec l'INRAE Grenoble et l'Université de Lausanne. Il souhaite utiliser l'apprentissage automatique ainsi qu'une vaste base de données qui recense des chutes de pierres survenues dans le monde entier, indique jeudi la BFH-HAFL dans un communiqué.
Son modèle combine des facteurs comme les caractéristiques topographiques ou le volume des chutes de pierres afin de fournir un maximum de précisions sur les risques encourus et la portée d'un potentiel éboulement. Avec l'aide de l'intelligence artificielle, le chercheur entend créer des modèles robustes pour prédire la portée des chutes de pierres et améliorer l'analyse des dangers.
Les modèles, qui évaluent la propagation et la portée des chutes de pierres, permettent généralement de délimiter les zones de danger et d'entreprendre des mesures de protection, comme la pose de filets ou l'aménagement de digues.
«Nous espérons que le projet Rockaval nous permettra bientôt de mieux comprendre les risques de chutes de pierres et de les minimiser de manière ciblée», explique Luuk Dorren, cité dans le communiqué. Cela pourrait aussi aider à optimiser les investissements dans les mesures de protection. (awp/hzi/ps)