Une étude publiée le 10 octobre dans Scientific Reports a mis au point un cadre d’apprentissage automatique pour examiner les risques de corrosion industrielle et de santé à partir de 45 échantillons d’eau souterraine de la vallée du Souf, en Algérie. Les auteurs ont comparé un réseau de neurones artificiels, une forêt aléatoire et un arbre de décision pour estimer des indices de corrosion et d’entartrage ainsi qu’un indice de qualité de l’eau. L’article rapporte des valeurs de R² de test supérieures à 0,90 pour six des huit indices. Les affiliations des auteurs comprennent aussi des institutions d’Égypte, des Émirats arabes unis et d’Arabie saoudite.

Les chercheurs ont classé 60 % des échantillons comme corrosifs et 85 % comme présentant un risque élevé de corrosion ; 10 000 itérations de Monte-Carlo sur l’exposition aux nitrates ont produit un indice de risque moyen supérieur à 1 pour les enfants. Ces résultats proviennent d’un petit échantillon d’un seul aquifère et reflètent les conditions hydrochimiques étudiées pour 2020 ; ils ne constituent pas des prédictions générales validées dans d’autres régions ou saisons. L’article ne présente pas le modèle comme un système de surveillance remplaçant les mesures de terrain.