Application de la modélisation neuronale à l'évaluation du risque de contamination des eaux souterraines par les pesticides.

En milieu rural, la majorité de la population est alimentée par les ressources d'eau souterraine. Dans un souci de santé publique il est nécessaire de prévoir les risques de contamination de ces ressources. Les outils disponibles ne sont cependant pas toujours adéquats du fait de la difficulté à les mettre en place à une large échelle ou à cause du niveau de précision obtenu. Ce travail s'inscrit dans une démarche de prévision du risque de contamination des eaux souterraines par les pesticides. Dans un premier temps, trois sites présentant des caractéristiques climatiques, hydrogéologiques et culturales différentes ont fait l'objet de campagnes d'échantillonnage afin d'étudier les corrélations pouvant exister entre la détection de pesticides et certains autres contaminants d'origine agricole. Par la suite, l'application de la modélisation par réseaux de neurones artificiels a été testée. L'utilisation dans les méthodes neuronales des autres contaminants agricoles précédemment étudiés et d'autres variables chimiques caractérisant la géologie locale ou les temps de séjour de l'eau a permis d'évaluer le potentiel d'occurrence des pesticides avec des performances de l'ordre de 80 %. Cette approche, testée et validée sur différents jeux de données, se présente donc comme un compromis entre des modèles de simulation performants mais difficiles à mettre en place à de larges échelles et des indices de vulnérabilité d'application aisée mais de précision plus faible.