Un algorithme peut-il prévenir le ruissellement mieux qu'un programmateur connecté ? Le rapport WaRPIC l'a testé sur le terrain

Le programmateur connecté ne suffit pas : le problème que personne n'admet

Qui a installé un programmateur connecté (Rachio, Hunter Hydrawise, Rain Bird) pour l'arrosage suppose souvent que le problème du ruissellement — l'eau qui coule sur le trottoir au lieu d'être absorbée par le sol — est résolu : après tout, le programmateur connaît les prévisions météo et suspend l'arrosage en cas de pluie annoncée. Une équipe de chercheurs du Texas A&M (informatique et génie agricole) a mis cette hypothèse à l'épreuve, et le résultat, publié à BuildSys 2019 — la conférence ACM sur les systèmes pour bâtiments économes en énergie — est sans appel : même les programmateurs connectés les plus avancés causent encore du ruissellement, car ils font une hypothèse simplificatrice sur la capacité d'infiltration du sol qui, en réalité, change constamment.

Leur réponse s'appelle WaRPIC (Weather-aware Runoff Prevention Irrigation Control) : pas un nouveau programmateur à acheter, mais un module économique qui se greffe sur celui que tu as déjà, associé à un modèle de machine learning entraîné sur les données de ton jardin spécifique — pas sur une hypothèse générique valable pour 'tous les sols'.

Le rapport en bref

La question : pourquoi même les programmateurs intelligents se trompent

Le ruissellement n'est pas qu'un gaspillage d'eau : il entraîne des sédiments, des produits chimiques issus des engrais et d'autres contaminants, causant ce que les spécialistes appellent la pollution diffuse (non-point source pollution) des cours d'eau. La solution standard pour le prévenir est la méthode cycle-and-soak (cycle et trempage) : au lieu d'arroser 20 minutes d'affilée, la durée est fractionnée en cycles plus courts séparés par des pauses qui permettent à l'eau d'être absorbée.

Le problème, expliquent les auteurs, est de calculer correctement combien de temps chaque cycle doit durer avant qu'une flaque visible ne se forme en surface — ce qu'on appelle la Maximum Allowable Runtime (MAR, durée maximale autorisée). Les programmateurs connectés du commerce estiment le MAR avec une formule qui suppose une capacité d'infiltration du sol constante dans le temps. Or des décennies de recherche en science du sol (citées dans le rapport) montrent que l'infiltration varie continuellement selon la saison, la pente, la composition du sol et même l'heure de la journée. Une hypothèse de constance, aussi pratique soit-elle à programmer, est tout simplement fausse — et c'est pour cela que même un programmateur 'connecté' bien configuré peut continuer à causer du ruissellement.

Ce qu'ils ont fait : un modèle qui apprend de ton jardin, pas d'une formule générique

Plutôt que de poursuivre une formule physique toujours plus complexe (une approche déjà tentée par des travaux antérieurs avec des équations différentielles, mais avec des coûts matériels trop élevés pour un usage résidentiel — un réseau de capteurs dédié pour chaque zone), les auteurs ont choisi une approche différente : transformer le problème en une tâche d'apprentissage supervisé, en utilisant l'observation humaine comme capteur.

Pendant une phase de collecte de données de 2 à 3 semaines, le propriétaire fait fonctionner les arroseurs de chaque zone et observe l'apparition d'une flaque visible en surface — ce moment est le MAR pour ces conditions. Ensuite, pour déterminer combien de temps le sol met à retrouver sa capacité d'absorption, de brefs tests de 10 secondes sont réalisés toutes les 5 minutes jusqu'à ce que l'eau soit à nouveau absorbée immédiatement. En répétant l'expérience 15 à 20 fois, à différents niveaux de saturation du sol, on obtient un jeu de données propre à ce jardin, avec trois variables d'entrée : évapotranspiration (ETO), eau appliquée les 7 jours précédents entre pluie et arrosages (AWA), et jours écoulés depuis le dernier arrosage (LWA).

Avec seulement 15 échantillons réels, le problème est trop restreint pour un réseau de neurones classique. Les auteurs ont résolu ce goulot d'étranglement avec le pseudo-labeling, une technique d'apprentissage semi-supervisé : un premier modèle (Ridge Regression, le meilleur en validation croisée sur les 15 échantillons d'origine) génère des prédictions sur 202 observations météo historiques non étiquetées (2015-2018), faisant passer le jeu d'entraînement de 15 à 220 échantillons — suffisant pour entraîner un réseau de neurones de façon fiable.

Ce qu'ils ont découvert : les chiffres de la comparaison avec un vrai programmateur connecté

Sur les données augmentées, le réseau de neurones a nettement battu tous les modèles de régression classique testés : erreur quadratique moyenne (MSE) de 0,43 contre 0,63 pour Ridge Regression, la meilleure des alternatives traditionnelles, avec un coefficient de détermination R² de 0,63 contre 0,45.

Le test le plus intéressant, cependant, est la comparaison directe avec un vrai programmateur connecté commercial (configuré dans son mode le plus avancé, 'Flex Monthly', qui ne suspend l'arrosage que s'il détecte une pluie récente et un sol saturé). Sur quatre essais expérimentaux, les prédictions de WaRPIC se sont révélées très proches du MAR réel mesuré sur le terrain, tandis que celles du programmateur connecté l'ont systématiquement surestimé. En convertissant la différence en eau gaspillée (à l'aide des tables de débit pour tuyaux PVC de 5/8 pouces), le résultat est net : 4,08 gallons perdus par WaRPIC contre 156,72 gallons perdus par le programmateur connecté sur le même ensemble d'essais — un gaspillage égal à seulement 2,6% de celui du concurrent commercial.

Les auteurs ont ensuite installé des modules WaRPIC dans les foyers de 12 familles d'une ville du Texas, en mode basique. À partir des recommandations d'arrosage de la saison précédente (mai-octobre), ils ont estimé une économie moyenne de 38 826 gallons d'eau (environ 147 000 litres) et 192,53 $ par foyer sur la saison d'arrosage, avec une fourchette de 8 640 à 111 780 gallons selon la taille et les caractéristiques du jardin.

Ce que cela signifie concrètement pour ton jardin

Le point le plus utile de ce rapport, au-delà des chiffres, est conceptuel : le ruissellement ne dépend pas (uniquement) de la pluie du jour, mais de la quantité d'eau que le sol a déjà accumulée les jours précédents entre pluie et arrosages passés. Deux journées identiques côté météo actuelle peuvent avoir un MAR très différent si l'une suit une semaine sèche et l'autre des jours de pluie — une variable qu'un programme à horaires fixes ignore complètement, et que même les programmateurs commerciaux 'basés sur la météo' ne prennent en compte que partiellement.

En pratique, cela se traduit par un conseil applicable même sans aucun matériel connecté : après une période de pluie, même abondante, le sol peut avoir besoin de plus de temps — pas moins — avant de bien absorber à nouveau l'eau d'un nouveau cycle d'arrosage, car sa capacité d'infiltration reste temporairement réduite. Le cycle-and-soak (cycles courts avec pauses entre eux) reste le moyen le plus simple de prévenir le ruissellement même sans modèle prédictif, en fractionnant manuellement l'arrosage au lieu de le délivrer en une seule longue séance.

Le lien avec SprinklerMap

Ce rapport confirme lui aussi, sous un angle pratique et expérimental différent des deux premiers articles de cette série, le même principe de fond : le ruissellement et le besoin en eau dépendent de variables propres au site (pente, type de sol, historique récent d'arrosage) qu'aucune formule ni aucun programmateur générique ne peut connaître précisément à l'avance — il faut des données réelles collectées sur ce terrain spécifique, comme le fait WaRPIC avec les observations du propriétaire.

SprinklerMap n'estime pas le MAR et ne modélise pas la capacité d'infiltration du sol : l'outil s'occupe de la condition préalable matérielle qui rend sensé tout cycle d'arrosage, court ou long — une couverture uniforme et une pression correcte par zone. Une installation mal conçue peut causer une flaque à un endroit même avec un MAR parfaitement calculé, simplement parce qu'elle délivre deux fois plus d'eau à cet endroit que dans le reste de la zone. Pour la planification des cycles cycle-and-soak selon ton propre sol, voir /frCalculer les temps d'arrosage selon le type de sol.

Questions fréquentes sur le rapport WaRPIC

Peut-on acheter WaRPIC comme produit ? Non, c'est un prototype de recherche académique décrit dans un rapport scientifique de 2019, pas un appareil commercial disponible sur le marché.

Faut-il installer des capteurs d'humidité du sol pour utiliser cette approche ? Non, et c'est justement le point central du rapport : les auteurs ont testé des capteurs économiques et les ont trouvés trop imprécis en extérieur, tandis que les capteurs fiables coûtent 500 $ ou plus par zone — trop cher pour une installation résidentielle type. Le modèle utilise uniquement des données météo et l'historique d'arrosage, pas de capteurs directs dans le sol.

La méthode fonctionne-t-elle avec n'importe quel programmateur existant ? Le module se branche sur le port du capteur de pluie, présent sur la plupart des programmateurs résidentiels (Hunter, Rachio et similaires). Les auteurs signalent toutefois une limite réelle : certains fabricants n'utilisent pas le mécanisme à résistance électrique sur lequel repose le module, ce qui le rend incompatible avec ces modèles spécifiques.

Combien de temps faut-il avant que le système fonctionne bien ? Dans les essais décrits, 2-3 semaines d'observation assistée par le propriétaire (15-20 expériences) ont suffi pour entraîner un modèle précis par zone.

En résumé

Même un programmateur connecté bien configuré peut continuer à gaspiller de l'eau par ruissellement, car il repose sur une hypothèse — une capacité d'infiltration du sol constante — que la réalité dément en permanence. WaRPIC démontre qu'un modèle entraîné sur les données spécifiques d'un seul jardin, avec le minimum indispensable d'observation humaine à la place de capteurs coûteux, peut réduire le gaspillage d'eau par ruissellement à une fraction (2,6%) de celui d'un programmateur connecté commercial avancé. L'enseignement pratique reste valable même pour ceux qui n'utiliseront jamais un tel système : le ruissellement dépend de l'historique récent de pluie et d'arrosage de ton propre sol, pas seulement de la météo du jour.