La métropole de Lyon s’est fixé pour objectif de reconstituer l’ensemble des dates de pose et des matériaux des conduites d’assainissement de son patrimoine. Cette communication présente les résultats de plusieurs années de travail soutenues par l’agence de l’eau Rhône Méditerranée Corse. Pour la reconstitution, deux axes de recherches sont privilégiés, ils sont inspirés des résultats du projet de recherche Hireau. Le premier axe porte sur l’implémentation de méthodes statistiques (apprentissage machine) pour reconstituer les informations manquantes à partir de données connues sur le patrimoine. L’approche a été adaptée au jeu de données lyonnais et fournit des estimations des dates de pose et des matériaux des réseaux d’assainissement. Un travail d’optimisation a ensuite permis d’améliorer la prédiction grâce à une augmentation de la précision et du rappel (proportion d’éléments correctement retournés parmi ceux qui existent) pour le matériau, et une réduction de la plage d’estimation pour la date de pose. Le deuxième axe porte sur l’utilisation de connaissances provenant de sources multiples. L’exploitation des données supplémentaires, comme les rapports d’inspections télévisées, permet d’obtenir directement le matériau de la conduite. La création de scripts de propagation d’information sous contrainte par parcours de graphes a également permis de renseigner des années de poses manquantes. Nous proposons dans cette communication de rendre compte des démarches mises en œuvre, et des résultats obtenus. L’objectif étant d’inciter d’autres collectivités à obtenir ces informations essentielles pour la gestion de leur patrimoine.

The Metropolis of Lyon has the objective of reconstructing all the installation dates and materials of the drainage pipes in its heritage. The present communication presents the results of several years of work supported by the Rhone-Mediterranean-Corsica Water Agency. For the reconstruction, two lines of research are favoured, inspired by the results of the HIREAU research project. The first axis concerns the implementation of statistical methods (machine learning) to reconstitute the missing information from known data on the heritage. The approach was adapted to the Lyon dataset and provided estimates of the installation dates and materials of the sewerage networks. An optimisation work then allowed to improve the prediction by increasing the precision and the recall (fraction of relevant instances among the retrieved instances) for the material, and by reducing the estimation range for the laying date. The second area is the use of knowledge from multiple sources. Exploiting additional data, such as CCTV inspection reports, can provide pipe material directly. The creation of scripts dedicated to constraint propagation of information by graph traversal has also made it possible to fill in missing installation dates. In this paper, we propose to report on the approaches used and the results obtained. The objective is to inspire other utility managers to obtain this essential information for the management of their assets.