La mesure granulométrique par imagerie en contexte torrentiel : apports et perspectives des nouvelles méthodes par intelligence artificielle
Rattachement africain : fr. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
La granulométrie est une donnée essentielle pour la compréhension des dynamiques torrentielles que ce soit à travers des approches hydrauliques ou géomorphologiques. Mais cette donnée est très ponctuelle, d’autant plus en contexte torrentiel où elle est particulièrement complexe à acquérir du fait de la grande étendue granulométrique des particules et de leur forte hétérogénéité spatiale. Afin de faciliter l’acquisition de données granulométriques, des méthodes ont été développées depuis une quarantaine d’année pour mesurer la taille des particules directement depuis des images à très haute résolution. Ces méthodes sont restées longtemps imparfaites. La démocratisation récente des outils de d’intelligence artificielle a permis de mettre au point des détecteurs dont les performances offrent le potentiel d’une généralisation de leur utilisation. Cet article présente le détecteur granulométrique GALET qui est un logiciel mesurant automatiquement les particules visibles sur une image. Ce détecteur basé sur un réseau de neurones et qui permet une mesure exhaustive des grains à partir d’orthophotographies à haute-résolution, acquises notamment par drone. Deux études de cas illustrent son application : le vallon d’Ullion (Alpes-Maritimes), et le torrent du Caïros tous deux affectés par la tempête Alex en 2020. Ces cas démontrent la capacité de GALET à cartographier la granulométrie sur de vastes surfaces et à identifier des structures morphologiques significatives, contribuant à une meilleure compréhension des processus torrentiels. Ces outils ouvrent des perspectives prometteuses pour la modélisation hydrosédimentaire, l’étude du tri granulométrique, et la standardisation d’indicateurs géomorphologiques. L’approche contribue à renforcer les liens entre géomorphologie et hydraulique, en transformant des observations qualitatives en données quantitatives exploitables pour la recherche et la gestion opérationnelle.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- La mesure granulométrique par imagerie en contexte torrentiel : apports et perspectives des nouvelles méthodes par intelligence artificielle
- Date Crossref
- 01/01/2026
- Éditeur
- OpenEdition
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Les institutions déclarées
Une affiliation ne permet pas de déduire la nationalité d’un auteur.