Data / IA
Claire Mathieu (SUEZ) : « La fuite d’eau a une signature et on apprend à l’IA à la reconnaître »
Par Laurent Delattre, publié le 22 septembre 2026
À l’occasion de Big Data & AI Paris 2026, IT for Business a installé son plateau TV au cœur du salon pour interroger DSI, CDO, RSSI et experts de la data. Claire Mathieu, Directrice Data & IA du groupe SUEZ, est venue rappeler que, dans les métiers de l’eau, l’intelligence artificielle n’est pas d’abord une histoire de chatbot. Elle sert surtout à anticiper les événements climatiques, traquer les fuites et optimiser des infrastructures dont chaque mètre cube compte. Et l’IA générative commence à son tour à descendre sur le terrain.
Directrice Data & IA de SUEZ, groupe spécialiste de l’eau et de la gestion des déchets qui rassemble quelque 40 000 collaborateurs dans 40 pays, Claire Mathieu travaille sur un terrain où la donnée n’a rien d’abstrait : derrière chaque modèle se trouvent des réseaux, des usines, des infrastructures physiques et, surtout, une ressource devenue de plus en plus critique.
Invitée sur le plateau d’IT for Business à Big Data & AI Paris, elle est revenue sur des usages de l’IA déjà très concrets, souvent déployés depuis bien avant l’explosion de l’IA générative. Car chez SUEZ, l’enjeu est d’abord de mieux comprendre, prévoir et optimiser le fonctionnement d’infrastructures directement exposées aux sécheresses, aux inondations et aux épisodes de chaleur extrême.
« L’eau est une ressource sous pression. Les événements climatiques extrêmes mettent une pression considérable sur les infrastructures de gestion de l’eau. Et du coup, l’IA devient de plus en plus indispensable pour les gestionnaires de l’eau afin de prédire et d’anticiper ce qui va se passer sur les usines ou sur les réseaux. »
À partir des historiques et des modèles, SUEZ cherche notamment à anticiper les évolutions de pollution, les variations de concentration de certains polluants ou encore les conséquences de températures anormalement élevées sur les processus industriels. « Toutes ces modélisations sont très intéressantes pour nous pour anticiper et se préparer au mieux aux événements qui arrivent. »
Un « Shazam de l’eau » pour traquer les fuites
Parmi les applications les plus parlantes figure évidemment la chasse aux fuites. Et Claire Mathieu trouve une formule qui résume assez bien le principe.
« On peut aller perdre jusqu’à 20 % de l’eau prélevée des milieux naturels. Les détections de fuite se font aujourd’hui avec des petits capteurs acoustiques et une IA qu’on entraîne à reconnaître le bruit de l’eau. C’est un peu comme un Shazam de l’eau. La fuite a une signature et on apprend à l’IA à la reconnaître et à donner ses informations aux chercheurs de fuite. »
Reste une difficulté : instrumenter partout est impossible. Les réseaux se sont construits sur des décennies, les équipements sont hétérogènes et les kilomètres de canalisations se comptent… par millions.
SUEZ travaille donc également sur des capteurs « virtuels ». L’idée n’est plus de mesurer physiquement chaque point du réseau, ce qui serait irréaliste à l’échelle de millions de kilomètres de canalisations, mais d’exploiter les données déjà disponibles pour en déduire celles qui manquent. À partir des mesures de pression, de température ou encore de pollution remontées par les capteurs existants, des algorithmes peuvent combler certains trous, repérer des valeurs incohérentes ou détecter la dérive d’un équipement.
« On a développé depuis des dizaines d’années des algorithmes qui vont combler les trous, détecter les données des usines qui dérivent, les données un peu incohérentes. Et maintenant, avec des algorithmes d’IA, on arrive à développer des capteurs un peu virtuels qui nous permettent d’en poser moins sur les réseaux. Parce qu’on ne peut pas les équiper tous. »
L’IA générative descend dans les usines
Mais le machine learning n’est plus seul en piste. Chez SUEZ, l’IA générative commence elle aussi à trouver sa place, non pour piloter directement une usine, mais pour assister ceux qui la font fonctionner.
« L’IA générative va petit à petit entrer dans les usines et dans les exploitations pour aider les exploitants à trouver des informations plus rapidement, pour les aider à relier des événements concrets actuels à des événements passés ou à des actions réalisées par des experts à l’autre bout du monde. C’est un assistant, un copilote de l’exploitant. »
Des applications reposant notamment sur du RAG sont déjà testées sur des exploitations pilotes. Mais les données documentaires constituent un chantier autrement moins propre qu’un beau démonstrateur d’IA.
« On exploite des réseaux, des usines qu’on n’a pas forcément construits. On hérite de machines qu’on ne connaît pas forcément bien. On a des manuels papier, on a des documents vraiment variés. C’est un gros chantier de faire marcher l’IA générative sur cet environnement ultra compliqué. »
Une IA qui doit aussi rendre des comptes sur l’eau
Reste le grand paradoxe qui passionne les foules : utiliser l’IA pour économiser de l’eau alors que les infrastructures numériques qui l’alimentent en consomment elles-mêmes. Chez SUEZ, la réponse passe par la mesure du bénéfice réel.
« Sur la détection de fuites, on va mesurer le nombre de mètres cubes qu’on a économisés grâce à ces algorithmes. On mesure en permanence le gain et, en général, le gain se traduit par une économie d’énergie, une économie de réactifs dans les usines ou de l’eau sauvée. »
Claire Mathieu aimerait désormais que cette logique dépasse SUEZ : « Aujourd’hui, la réglementation se focalise sur les risques et l’impact sur les citoyens. J’aimerais que cette notion d’impact environnemental soit prise en compte dans les développements de l’IA. Et c’est vraiment ce qu’on pousse chez SUEZ. »
Une façon de rappeler qu’avant de demander à l’IA combien de tokens elle consomme, il faudra peut-être commencer à lui demander combien de mètres cubes elle consomme et comment elle compte l’économiser dans un proche avenir…
