DE L'INNOVATION DE L'ENSOSP - 2020 PRIX
←
→
Transcription du contenu de la page
Si votre navigateur ne rend pas la page correctement, lisez s'il vous plaît le contenu de la page ci-dessous
PRIX
DE L’INNOVATION
DE L’ENSOSP
2020
Titre du dossier : PredictOps : l’intelligence artificielle au profit de la
qualité du service public de secours.
Nom de l’organisme : SDIS du Doubs
Grade NOM Prénom : Lieutenant-Colonel FOURNEROT Christophe
Adresse : 10, chemin de la Clairière – 25042 Besançon Cedex
Tél : 03 81 85 36 14
Courriel : christophe.fournerot@sdis25.fr
Référent du dossier
Grade NOM Prénom : Capitaine ROYER-FEY Guillaume
Fonction : Chef du service mise en œuvre opérationnelle
Tél : 03 81 85 36 22 – 06 87 06 21 47
Courriel : guillaume.royer@sdis25.fr
Dossier d’inscription à nous retourner avant le 09 juillet 2020
Par voie postale en deux exemplaires (couleur) à :
ENSOSP - Département Prospective et Professionnalisation / CERISC
Prix de l’INNOVATION 2020 – Capitaine Wilfried STÉFIC
1070 rue Lieutenant Parayre - BP 20 316
13 798 AIX-EN-PROVENCE CEDEX 03
Par mail à : wilfried.stefic@ensosp.fr et cc : prixensosp@ensosp.fr
(Information au 04 42 39 05 24)
0
Présentation des circonstances et des objectifs
qui ont présidé à ce travail innovant
A – Circonstances ou réflexions qui ont initié les travaux
A.1. Contexte dans lequel se situait l’établissement public lors de l’émergence de la
question de recherche.
Le service public du secours est assuré en France par les acteurs de la sécurité civile dont
les services départementaux d’incendie et de secours (SDIS). Organisés à l’échelle
départementale, les SDIS sont des établissements publics administratifs dont les moyens sont
prévus dans un budget propre.
Le préfet du département assure la direction opérationnelle du corps de sapeurs -pompiers, le
Président du Conseil d’Administration du SDIS (CASDIS) en assure la gouvernance
administrative.
Le SDIS du Doubs réalise près de 40 000 interventions annuelles en s’appuyant sur un
maillage fin du territoire (71 centres de secours) et près de 3 000 sapeurs-pompiers. Les
femmes et les hommes mobilisés sont essentiellement des sapeurs -pompiers volontaires
(environ 2 600) cumulant leur activité professionnelle à celle du centre de secours. Les autres
sont des sapeurs-pompiers professionnels, fonctionnaires territoriaux, armant essentiellement
les secteurs urbains du territoire.
Les SDIS sont des établissements récents, dont l’existence légale date de 1996. Dans le
Doubs, les sapeurs-pompiers se sont organisés autour de corps communaux jusqu’en 2000,
année de la départementalisation. Pendant les vingt années suivant cet important mouvement
de « centralisation », le nombre d’interventions n’a cessé de croître pour atteindre,
aujourd’hui, des niveaux que le SDIS n’est plus en mesure d’assumer. Le dynamisme de
l’augmentation s’est encore accru en 2018 en atteignant +8% par rapport à l’année 2017.
L’activité opérationnelle se décompose en cinq natures d’interventions :
Le secours d’urgence aux personnes (SAP ou SUAP), représente plus de 76% du nombre
d’interventions et 63% de la charge opérationnelle (exprimée en homme*heure). Cette nature
d’activité connaît le plus fort taux de progression.
La lutte contre les incendies (INC) représente environ 7% du nombre d’interventions et 18%
de la charge opérationnelle. Si cette nature d’activité nécessite des engagements plus long s,
le volume d’interventions reste globalement stable depuis 2004.
Le secours routier en cas d’accident de véhicule représente environ 6% du nombre
d’interventions et 11% de la charge opérationnelle. Cette activité est stable.
1 // ENSOSP – DEPRO² / CERISC – Prix de l’innovation 2020
Les actions pour des opérations diverses et pour des actions de lutte contre les risque s
naturels et technologiques (fuite de gaz, déversement de produits chimiques, …) représentent
quant à elles les 11% d’activité restante et 8 % de la charge opérationnelle.
Illustration n°1 – courbes d’activité opérationnelle par
nature entre 2005 et 2018
Ainsi, le dynamisme de volume d’activité est essentiellement lié aux missions de secours
d’urgence aux personnes.
Les moyens alloués au fonctionnement du SDIS, s’ils ont connu une forte hausse lors de la
départementalisation (2000 – 2015) tendent à se stabiliser, voire à diminuer depuis. Les contributeurs
au budget du SDIS étant les collectivités territoriales et l’Etat, le niveau des recettes s’inscrit dans un
mouvement global de diminution de la dépense publique et une recherche accrue d’efficience du
service public.
De ce fait, le SDIS du Doubs confirme la tendance nationale en subissant un « effet ciseaux » entre le
nombre de missions à réaliser en forte augmentation et une baisse des ressources permettant de les
assumer.
L’enjeu majeur de la recherche est donc de permettre à l’établissement de pouvoir identifier des
leviers d’optimisation permettant de garantir une qualité constante de service public, dans un
contexte de raréfaction de la ressource et d’augmentation de la sollicitation.
2 // ENSOSP – DEPRO² / CERISC – Prix de l’innovation 2020
A.2. Une nécessaire ouverture sur le monde universitaire et de la recherche
Le SDIS du Doubs, conscient de la nécessité d’identifier les ressorts de la sollicitation opérationnelle,
s’est doté d’indicateurs précis. Ils reposent sur un système de gestion opérationnelle permettant
d’engager et de suivre les moyens matériels et humains nécessaires à la protection des personnes,
des biens et de l’environnement en cas d’accident, de sinistre ou de catastrophe.
En 2018 (année de référence), le Centre Opérationnel Départemental d’Incendie et de Secours
(CODIS) a engagé 58 320 véhicules et 187 762 sapeurs-pompiers en intervention. En tous temps,
environ 400 agents peuvent être mobilisés quasiment instantanément grâce à un système de
déclaration de disponibilités, également géré par le système de gestion opérationnelle. Sur cette même
année 5 millions d’heures de disponibilité ont été enregistrées et ont permis la réalisation de 238 267
homme*heure d’intervention.
Toutes ces données sont intégrées quotidiennement dans un entrepôt de données permettant ainsi
leur sauvegarde et leur exploitation statistique. Grâce à une réforme menée entre 2012 et 2015, la
cohérence des entrées atteint un niveau de fiabilité suffisant pour permettre une exploitation
pluriannuelle.
Le service mise en œuvre opérationnelle, notamment chargé de l’ingénierie opérationnelle, est en
mesure de comprendre certaines dynamiques d’activité, notamment en matière secours d’urgence aux
personnes. Toutefois cette analyse, pour être approfondie, doit s’appuyer sur des compétences dont le
SDIS ne dispose pas en matière de capacité mathématique et de modèles informatiques.
L’Université de Franche-Comté (UFC) regroupe plusieurs pôles de recherches et notamment celui de
l’Université Technologique de Belfort-Montbéliard (UTBM). Avec celles de Compiègne et de Troyes,
elles forment un trio unique autour des recherches publiques sur les technologies.
L’UTBM - avec l’UFC, le centre national de la recherche scientifique (CNRS) et l’école nationale
supérieure de mécanique et des microtechniques (ENSMM) – assure la tutelle de l’Institut de Franche-
Comté Electronique Mécanique Thermique et Optique - Sciences et Technologies (FEMTO-ST).
Ce laboratoire de Recherche pluridisciplinaire couvre un large spectre des domaines des sciences de
l'ingénieur, en particulier l'ingénierie du logiciel, et plus spécifiquement l’intelligence artificielle.
Le Professeur Christophe Guyeux, directeur de recherche, a rapidement saisi l’opportunité de faire
travailler ses équipes sur une donnée informatique réelle, quantitative et qualitative.
Un rapprochement s’est donc naturellement opéré entre le SDIS du Doubs - et ses questions de
recherche- et le laboratoire en quête de données informatiques fiables et de sujets d’études.
3 // ENSOSP – DEPRO² / CERISC – Prix de l’innovation 2020
B – Objectifs d’évolution :
A sa conception, le projet a été pensé autour de deux questions de recherches complémentaires. La
première concerne les indicateurs d’analyse et de pilotage du projet et la seconde les capacités
objectives de prédiction de la sollicitation opérationnelle du SDIS.
B.1. Objectif n°1 : Définir les indicateurs de performance nécessaires à
l’analyse de la qualité du service public de secours pour objectiver un seuil
minimal d’armement du service (moyens humains et matériels).
Chaque SDIS détermine le niveau de réponse opérationnelle qu’il souhaite mettre en œuvre
sur son territoire de compétence. Le choix politique est retranscrit au sein du schéma
départemental d’analyse et de couverture des risques (SDACR) qui fixe donc des objectifs de
délais d’intervention. Si le délai d’intervention représente un indicateur majeur de la qualité
du service public de secours, son étude objective et détaillée reste complexe et nécessite des
données fiables et intègres. Nombre de SDIS se bornent donc à évaluer des moyennes de
délais, sans pour autant pouvoir identifier de façon précise les causes des retards et donc
établir des actions correctives adaptées et optimisées. Une étude exhaustive impliquerait un
traitement manuel extrêmement chronophage et serait insupportable pour un établissement
en quête d’optimisation tel que le SDIS de Doubs.
Le premier objectif du système est de développer un outil informatique permettant d’analyser
de manière automatisée chaque intervention sur laquelle les secours sont arrivés en retard,
d’en établir la causalité pour permettre, in fine, de déterminer le niveau des ressources qui
auraient permis de faire face à la sollicitation.
Une telle capacité d’analyse objective des besoins matériels et humains permettrait aux
SDIS d’établir une optimisation de la planification pluriannuelle de ses ressources pour
faire face à son activité, qu’il s’agisse des investissements indispensables à l’adaptation des
casernements (agrandissements, mutualisations, dotations nouvelles, …), de l’orientation des
politiques de développement du volontariat ou de la « professionnalisation » de certains
secteurs semi-urbains.
L’atteinte de cet objectif n°1 nécessite trois étapes intermédiaires :
Sous-objectif 1.1 : Définir les notions de rupture de service public et en identifier les
causes.
Il s’agit ici de produire un indicateur de qualité cohérent, stable et reproductible permettant
de mesurer le niveau de service actuel et suivre son évolution à travers le temps et les
adaptations du service.
Avec cet indicateur, chaque cas de retard est analysé automatiquement pour déterminer s’il
entre dans la tolérance (cas fortuit) ou s’il est généré par un manque de moyen matériel et/ou
humain. L’étude fixe également les différents cas de ruptures : rupture au contrat de rapidité
dans le cas d’un retard « simple » versus rupture de service public dans le cas d’un retard
généré par l’absence totale ou partielle de moyens disponibles au moment du déclenchement
sur les premiers centres d’incendie et de secours (CIS) programmés.
4 // ENSOSP – DEPRO² / CERISC – Prix de l’innovation 2020
Sous-objectif 1.2 : Estimer les moyens qui auraient été nécessaires pour répondre à
100% à l’objectif de couverture 2018 (année de référence).
Le nombre de déterminants et la variabilité importante de la disponibilité des moyens rendent
complexe l’estimation des besoins nécessaires à la couverture totale du territoire. L’E tude
doit déterminer l’armement en personnel et en matériel qui aurait été nécessaire à la
couverture de l’année 2018.
Sous-objectif 1.3 : déterminer les besoins d’armement (en personnel et matériel) à 2, 3,
4 et 5 ans de chaque CIS pour assumer une couverture identique à l’actuelle.
Plusieurs simulations doivent pouvoir déterminer le besoin en armement en fonction
d’hypothèses de niveau de sollicitation opérationnelle. L’une d’elle pourrait être
l’augmentation d’activité équivalente à celle connue entre 2017 et 2018.
B.2. Objectif n°2 : Prédire la sollicitation opérationnelle des services
d’incendie et de secours du Doubs avant qu’elle ne devienne effective en
précisant sa nature et sa localisation.
Le projet vise à développer et mettre à disposition du SDIS un outil de prédiction de la
sollicitation au moyen d’algorithmes d’intelligence artificielle en précisant la nature , l’horizon
et la localisation des sollicitations opérationnelles de secours.
Nature : Pour quels types d’intervention des sapeurs-pompiers vont-ils être sollicités
(accident de circulation, secours d’urgence aux personnes, opérations diverses, lutte contre
l’incendie, lutte contre les risques technologiques et naturels) ? Pour chacune des natures,
affiner à certaines sous-familles telles que, pour le SUAP, les situations d’urgence (risque de
décès de la victime) et les circonstances particulières de l’urgence (risque pour la victime et
les sauveteurs) ?
Horizon : dans quel laps de temps le ou les événements peuvent-ils se produire ?
Localisation : Sur quel secteur la demande de secours va-t-elle se produire ? En zone
urbaine, une surface de localisation équivalente au quartier INSEE semble pertinente ; en
ruralité, le secteur opérationnel du CIS permettrait l’anticipation des ressources.
Pour le SDIS utilisateur, l’outil permettrait un pilotage opérationnel sur trois niveaux :
- Un niveau tactique « du quotidien » pour limiter les ruptures et les retards (recouverture,
agilité de déploiement) et pré-positionner des engins de secours ;
- Un niveau tactique « de crise » pour mieux anticiper une situation opérationnelle de crise
(inondation, mouvements sociaux, etc.) et préparer l’engagement opérationnel plus en amont
(message d’information aux CIS, POJ, etc.).
- Un niveau stratégique pour anticiper l’évolution des risques à couvrir, définir les
implantations de structure les plus adaptées (« zone de chalandise ») et définir les optimums
d’armement RH et matériel des structures.
5 // ENSOSP – DEPRO² / CERISC – Prix de l’innovation 2020
Illustration n°2 – logiciel de prédiction – principes généraux de fonctionnement.
B.3. Objectif n°3 : Développer un système au profit de toutes les victimes.
Les débouchés d’une telle application existent dans différents domaines et à plusieurs niveaux
territoriaux. Ces « diversifications » peuvent s’envisager suivant trois axes potentiels :
Axe 1 : Les autres SIS. Le SDIS du Doubs n’est pas le seul à devoir faire face au défi de la
sollicitation opérationnelle croissante et au besoin d’optimisation qu’elle génère. Que cela
s’opère directement ou via un système centralisé tel que NEXSIS, le développement de
PredictOps a vocation à s’étendre à l’ensemble du territoire.
Axe 2 : Le secteur hospitalier et l’anticipation des flux. L’engorgement des services des
urgences hospitalières est directement lié à l’augmentation d’activité ressentie par le SDIS.
Sauf exception, une victime prise en charge par les sapeurs -pompiers à son domicile ou sur
la voie publique sera conduite au centre hospitalier le plus proche. Ainsi, l’étude des facteurs
dimensionnants les flux de victimes peuvent également permettre aux services hospitaliers
d’anticiper les besoins en lits et en personnels soignant s pour l’accueil des patients.
Axe 3 : Une dimension régionale voire nationale. A l’instar des SDIS, les agences
régionales de santé (ARS) planifient les politiques territoriales de santé à travers des objectifs
fixés dans le plan régional de santé. Outre l’augmentation du nombre de données disponi bles
(échelle régionale Bourgogne-Franche-Comté), la concrétisation d’un modèle prédictif
régional intégrant les SDIS, l’ARS, les hôpitaux et les transporteurs sanitaires privés
permettrait d’impacter l’ensemble de la chaîne d’urgence pré -hospitalière et de travailler à sa
rationalisation dans l’intérêt des patients et de l’optimisation des dépenses publiques. Ce
travail pourrait être précurseur avant sa généralisation au plan national. L’ARS Bourgogne-
Franche-Comté, par la voix de son directeur de l’innovation et de la stratégie, s’est déclarée
particulièrement intéressée.
6 // ENSOSP – DEPRO² / CERISC – Prix de l’innovation 2020
Présentation détaillée de l’innovation et
conditions de la mise en œuvre
Cette fiche constitue le cœur du dossier. La présentation est libre, il est toutefois
conseillé de ne pas excéder dix pages pour cette partie. Des documents
photographiques peuvent être insérés dans le texte, ainsi que des annexes en
fin de dossier lorsque celles-ci sont essentielles à la compréhension du
document.
Nous vous conseillons toutefois d’être concis dans vos présentations car il s’agit
pour le jury de choisir pour l’essentiel une démarche innovante et pour
l’accessoire (prix transversaux) une qualité d’écriture et de présentation. La
sobriété des propos et de la présentation n’est pas un handicap pour être qualifié
pour ce prix.
Il est également souhaitable de retrouver les éléments suivants :
l’organisation du travail qui a permis l’élaboration du projet (modalité de
gestion des travaux (comité de pilotage, groupe de projet, groupes de
travail, etc.), type de participation des acteurs, durée prévue et durée
constatée, difficultés éventuelles, etc.) ;
le contenu détaillé du projet et notamment ce qui constitue la part
innovante de ce travail ;
les conditions d’usage qui ont été employées pour que la conduite et la
mise en œuvre de ce projet aboutissent à une réussite.
7 // ENSOSP – DEPRO² / CERISC – Prix de l’innovation 2020
Le projet PredictOps est ambitieux par les objectifs qu’il poursuit et par la ressource humaine
et technologique qu’il suppose. Il semble évident qu’un SDIS comme celui du Doubs ne
possède pas, seul, les compétences et les moyens nécessaires à sa conduite. Ainsi, dès
l’émergence du concept de la prédiction opérationnelle, les deux instigateurs du projet ont
aniticipé son élargissement afin de favoriser l’atteinte des résultats opérationnels et de
gestion qu’ils envisageaient.
Le document s’attache dans un premier temps à présenter les moyens humains nécessaires
à la conduite de ce projet et à leur mobilisation (A), puis dans un deuxième temps à décrire
les méthodes de conduite de projet public/privé (B) et enfin, à présenter les deux volets de
l’innovation et leurs résultats actuels (C).
A – Une ressource humaine rare en matière d’intelligence artificielle
rendant le portage du projet complexe.
A.1. Un projet de recherche scientifique à part entière, appuyé sur les
données informatiques du SDIS, nécessitant la formalisation d’un « accord
général de collaboration de recherche ».
Travailler sur la donnée informatique impose aux chercheurs d’intégrer le cadre prescrit par le
règlement général sur la protection de la donnée (RGPD). Dans le contexte de PredictOps, un transfert
de données devait inévitablement s’opérer entre le SDIS, propriétaire, et le laboratoire utilisateur. Un
travail en lien avec le délégué à la protection des données (DPO) a permis de fixer les modalités
respectueuses des prescriptions européennes tout en permettant aux universitaires d’engager les
travaux sans perdre des informations essentielles (comme la localisation d’une intervention par
exemple). L’échange, validé par le DPO, était ainsi réalisé par l’intermédiaire d’un serveur FTP sécurisé
et nominatif.
Outre ces dispositions techniques, il est apparu nécessaire de définir un cadre autour du partenariat
qui démarrait entre l’université de Franche-Comté (UFC) et le SDIS. Il s’agissait notamment de fixer les
limites d’utilisation des données, de s’accorder sur les modalités de communication (grand-public et
communauté scientifique) relatives au projet et de stabiliser la propriété intellectuelle des partenaires.
Ces dispositions ont été établies à travers un accord général de collaboration de recherche signé le 23
avril 2019 par la Présidente du conseil d’administration du SDIS et le Président de l’université.
Ce portage juridique a été choisi après une analyse juridique qui a conduit à orienter l’acte vers un
accord général plutôt qu’une « simple » convention. L’objectif étant de pouvoir, à l’intérieur du cadre
général initial, intégrer d’autres partenaires par voie conventionnelle classique. Ainsi, dès sa
conception, le projet prévoyait son élargissement à terme à d’autres structures (services d’incendie et
de secours, laboratoires de recherche, ARS, agence du numérique de sécurité civile, etc.).
A.2. Un investissement lourd pour le SDIS du Doubs, notamment en matière
de ressources humaines, qui a nécessité la recherche de subventions.
La ressource humaine compétente en matière de recherche en intelligence artificielle est rare au plan
mondial. C’est le Professeur HDR Christophe GUYEUX, directeur de recherche au sein du laboratoire
FEMTO-ST, qui a proposé la candidature d’une brillante étudiante dans le domaine rencontrée lors
8 // ENSOSP – DEPRO² / CERISC – Prix de l’innovation 2020
d’une conférence internationale quelques mois avant le lancement du projet. En fin de cursus
d’ingénierie « software » de l’université de SÃO PAULO (Brésil), Mme CERNA ÑAHUIS était en
recherche d’un doctorat à l’international dans le domaine du « machine learning ».
Il s’agissait alors de permettre la réalisation d’une thèse au sein du SDIS du Doubs et du laboratoire.
Trois éléments se sont révélés être pour cela indispensables : la future doctorante devait obtenir un
visa talent-chercheur, être inscrite en école doctorale en France et être embauchée sous contrat de
droit privé au sein du SDIS pour la durée de la thèse. Ce parcours administratif s’est révélé complexe,
notamment du fait de la nationalité Péruvienne de l’intéressée et du contexte politique de son pays
d’étude, le Brésil. Ces contraintes fortes ont nécessité près d’un an de travail là où l’équipe projet l’avait
estimé à un semestre. Le contrat à durée déterminée de trois ans a finalement été signé le 15 janvier
2020.
Le SDIS du Doubs a consenti un effort considérable notamment en matière de temps de travail et de
charges de personnels sur le projet. Le groupe projet a donc réalisé une recherche de financements
externes qui a conclu à la possibilité de solliciter une subvention de l’association nationale de recherche
et de technologie (ANRT) via le dispositif de conventions industrielles de formation par la recherche
(CIFRE). Ainsi, le salaire de la doctorante est financé pour moitié sur la durée de la thèse par le
ministère de l'Enseignement supérieur, de la Recherche et de l'Innovation. Ceci représente une
subvention de 42 000 € sur trois ans. L’économie générale du projet a été présentée au bureau du
CASDIS le 17 janvier 2019 et estimait un coût annuel du projet de 13 500 € en section de
fonctionnement. La Présidente a été autorisée à signer la convention CIFRE engageant ainsi le SDIS
dans l’innovation.
La phase préparatoire au projet intégrant le montage juridique, la recherche de financements extérieurs
et le portage administratif aura duré presque 18 mois avec une équipe constituée de trois personnes à
temps incomplet (un universitaire, un juriste du SDIS et un sapeur-pompier) ; soit un tiers de la durée
globale du projet. Ainsi, avant même de penser à la conception du premier algorithme, une équipe
pluridisciplinaire s’était formée pour donner corps à PredictOps, prémices d’une collaboration
fructueuse.
B – La gestion du projet PredictOps, nécessairement interservices et
pluridisciplinaire.
B.1. L’interdépendance des acteurs comme liant d’un projet qui les dépasse
individuellement.
Les grandes opportunités sont souvent le fruit d’un petit rien. PredictOps en est l’exemple parfait. Issu
d’une discussion autour des bases de données informatiques et de leur valeur, les deux principaux
partenaires – Le service mise en œuvre opérationnelle du SDIS et le laboratoire FEMTO-ST – ont
rapidement convergé vers un travail commun autour de l’optimisation du service public.
Toutefois, un travail commun n’est pas systématiquement synonyme d’objectif commun. Ainsi, au-delà
des faisabilités opérationnelles et des perspectives extraordinaires que laissait entrevoir le projet,
l’universitaire et le sapeur-pompier ne rêvaient pas des mêmes choses. Lorsque l’universitaire pensait
« recherche fondamentale, partage universel, publications scientifiques et conférences
9 // ENSOSP – DEPRO² / CERISC – Prix de l’innovation 2020internationales », le sapeur-pompier imaginait plutôt l’outil opérationnel et sa plus-value en matière de
couverture des risques et d’optimisation du service public de secours (notamment à l’échelle locale). Il
a donc fallu apprendre à se connaître pour se comprendre et pouvoir ensuite construire un groupe
projet viable, dynamique et dont le pilotage veillait aux enjeux propres de tous les acteurs.
Ainsi, le groupe s’est stabilisé autour de cinq personnes (Annexe n°1). Un pilote universitaire (le
Professeur HDR Christophe GUYEUX), un pilote métier (le capitaine Guillaume ROYER-FEY), une
doctorante data-scientist (Mme. Selene Leya CERNA ÑAHUIS), une experte métier ingénieure
informatique (la capitaine Céline CHEVALLIER) et un expert des modes d’engagement (le caporal-chef
Guillaume PLUMEREL).
L’organe décisionnel (Comité de pilotage - COPIL) est constitué en plus des pilotes, du chef de
groupement des services de l’organisation des secours et du directeur départemental des services
d’incendie et de secours du Doubs. Le pilote universitaire du projet conduit la recherche fondamentale,
assure le tutorat de la thèse et cherche des financements extérieurs (secteur de la recherche, chaires,
financements Européens). Le pilote métier, sapeur-pompier, assure quant à lui la planification des
actions et leur priorisation, la présentation de points d’étape au COPIL et la recherche de financements
extérieurs (secteur privé et collectivités locales).
La méthode de suivi de projet est empirique, elle s’appuie sur un planning général d’actions fixant les
objectifs à moyens et courts termes et évolue régulièrement en fonction du plan de charge des
principaux acteurs.
Par ailleurs, si le calendrier politique du SDIS impacte le planning général du projet, il en est de même
pour les appels à projet émis dans le cadre de conférences internationales sur le versant Recherche.
Ainsi, le directeur de recherche et la doctorante doivent proposer des articles en plus de conduire les
travaux scientifiques. Ces rédactions, qui peuvent paraître superfétatoires pour le sapeur-pompier non
initié et tourné vers l’opérationnel, sont pourtant indispensables à plusieurs titres. Elles présentent tout
d’abord l’intérêt majeur de faire valider les travaux par les pairs de la discipline et, le cas échéant, faire
publier les essais en partage. La candidature à des séminaires et congrès scientifiques représente la
seconde voie pour recueillir le quitus de la communauté scientifique. Ces propositions rédigées
prennent du temps à produire et à revenir sous forme de proposition de modification ou, au contraire,
de validation par publication ou inscription. Au plan financier, il s’agit pour un SDIS d’entrer dans
l’inconnu en matière de budgétisation et d’engagement. Aussi, inscrire au budget un aller-retour pour
Irbid (Jordanie) ainsi que des frais d’inscription à un colloque international peuvent -légitimement-
dérouter. Il s’agit alors pour le porteur métier du projet de mobiliser les services concernés pour donner
du sens et rassurer.
L’organisation spatiale du groupe dépend des moyens nécessaires au développement des solutions.
Ainsi, la partie universitaire doit être réalisée au sein du laboratoire pour pouvoir bénéficier de son
puissant serveur informatique et produire des calculs complexes lors des apprentissages.
La partie métier doit principalement travailler sur la base de données opérationnelle et sur le système
de gestion opérationnelle situé au centre opérationnel départemental d’incendie et de secours (CODIS).
Ainsi, les échanges sont essentiellement dématérialisés, au moyen d’outils tels que le serveur FTP
pour les fichiers de données ou la visio-conférence pour les points d’étape et réunions à distance.
Toutefois, hors période de restriction sanitaire, un point en présentiel est réalisé avec la doctorante à
minima une fois tous les quinze jours au CODIS.
10 // ENSOSP – DEPRO² / CERISC – Prix de l’innovation 2020Pendant le premier mois de janvier 2020 la production a été intense et les avancées notables. Ce travail
de qualité a été rendu possible par une longue phase préparatoire au projet (Mme CERNA ÑAHUIS a
réalisé un stage de quatre mois au printemps 2019 sur la même thématique) et par une confiance
mutuelle entre partenaires.
B.2. Un nécessaire élargissement au secteur privé pour le développement de
l’outil opérationnel
Rapidement les premiers résultats encourageants se sont dessinés grâce à la préparation des
partenaires et aux travaux de recherche conduits par l’équipe projet. Il s’agissait d’avancer sur les deux
objets de recherche en parallèle. Pendant que la doctorante automatisait la notion de rupture par un
développement informatique, le Professeur mettait en place les algorithmes d’intelligence artificielle et
lançait des tests.
Plusieurs mois avant la date initialement envisagée la question du support logiciel pour les codes de
ruptures et de prédiction s’est posée. L’équipe devait ainsi trouver une solution de développement
informatique permettant de faire basculer le projet de la phase de recherche fondamentale à celle de
production d’un outil opérationnel.
Quatre scenarii ont été élaborés et discutés pour trouver la meilleure voie de développement. Pour
chacun, une évaluation basée sur le principe du « SWOT » a été réalisée. L’équipe a tout d’abord
envisagé un développement en « free-lance », puis de mobiliser des éditeurs historiques de logiciels
opérationnels ou encore de se lancer dans un développement « artisanal » par les universitaires. La
solution la plus équilibrée est apparue plus tardivement, elle consistait à identifier un prestataire de
développement tiers.
Ce choix devait répondre à un cahier des charges précis élaboré par l’équipe projet et synthétisé par
les points suivants :
- Le logiciel doit pouvoir travailler avec de l’algorithmie,
- Le logiciel doit pouvoir intégrer de la cartographie,
- Le logiciel à une vocation opérationnelle et doit à ce titre être maintenu rapidement et sur le long
terme,
- Le logiciel doit permettre une intégration à d’autres utilisateurs tels que les SIS, l’ANSC, un
centre hospitalier, l’ARS, etc.
Ainsi, l’étude de prestation a orienté l’équipe vers une solution proposée par une PME ayant les
capacités matérielles et humaines de réaliser le développement dans le cadre du cahier des charges
sans faire supporter le financement au seul SDIS du Doubs.
Un principe de partage des risques a ainsi été admis par les deux financeurs (SDIS et PME) jusqu’au
développement d’une maquette opérationnelle qui puisse être testée au sein du CODIS du Doubs et
présentée à d’autres utilisateurs potentiels.
11 // ENSOSP – DEPRO² / CERISC – Prix de l’innovation 2020C – Les deux outils innovants de PredictOps : une cartographie dynamique
du niveau de qualité de service public de secours et un logiciel de pilotage
opérationnel et stratégique basé sur la prédiction.
C.1. Un nouvel indicateur de qualité du service public de secours : les
ruptures
Les services d’incendie et de secours sont chargés de la réalisation de missions de secours afin
d’assurer la protection des personnes, des biens et de l’environnement. La recherche d’amélioration
permanente du niveau de service rendu aux populations leur impose d’analyser leur activité
opérationnelle.
Ce fort enjeu de perfectionnement a poussé le SDIS du Doubs à créer un indicateur de qualité de
service stable, basé sur le réel et reproductible : « l’indicateur rupture ». Il permet, sur la base
d’analyses, d’optimiser la couverture du risque.
La rupture correspond schématiquement à l’incapacité du service à répondre à une sollicitation
opérationnelle dans les délais fixés par le SDACR. Elle est exprimée en unité de temps (heures,
minutes, secondes). Deux grands types de ruptures ont été identifiés :
- La rupture au contrat de rapidité qui est générée par une arrivée tardive des secours en regard de
l’objectif défini par le SDACR.
- La rupture de service public qui apparaît lors d’une distribution tardive des secours additionnée d’une
limite de capacité. Un agrès du CIS couvrant le secteur d’intervention se présente dans un délai
dépassé (rupture au contrat de rapidité) et aucun autre centre aux alentours ne peut intervenir dans
des délais conformes. Il s’agit de mettre en évidence les carences de couverture à l’échelle d’un secteur
en fonction des capacités humaines et matérielles des CIS à intervenir à l’instant T.
Le caractère innovant de l’indicateur rupture réside dans son objectivité et sa capacité à retranscrire la
réalité de la disponibilité des secours à l’échelle d’un secteur complet. Les résultats obtenus ne se
chiffrent pas sur un ratio d’interventions jugé significatif ou une moyenne, mais sur l’ensemble des
missions de secours réalisées sur une période, analysées une par une par le système. Ce calcul
complexe est impossible à réaliser manuellement à grande échelle tant les paramètres à vérifier sont
nombreux (disponibilité des agents, aptitudes des agents disponibles, disponibilité des engins, activité
en cours des autres CIS susceptibles d’intervenir, …).
2018 est considérée comme l’année de référence pour le projet car elle correspond à un pic d’activité
opérationnelle ayant mis à mal les capacités du SDIS du Doubs à faire face à son obligation de moyens.
En ajoutant les données 2017 et 2019 afin de travailler la variation pluriannuelle, ce sont 138 644
missions de secours qui ont été étudiées par l’équipe universitaire du projet.
Elaboré en trois étapes, « l’indicateur ruptures » s’est construit autour d’un algorithme bâtit par le
service mise en œuvre opérationnelle (MOO) du SDIS sur la base des engagements prévus au
règlement opérationnel, l’algorithme permet l’indentification et la catégorisation des ruptures et est
reproductible.
12 // ENSOSP – DEPRO² / CERISC – Prix de l’innovation 2020Le second temps a nécessité une étroite collaboration entre les partenaires pour retranscrire
l’algorithme (Annexe n°2) en un code informatique d’automatisation. Enfin, un outil cartographique
élaboré conjointement par le SIG (service d’information géographique) et la MOO présente les résultats
du code : « Lizmap ruptures » (Annexe n°3). Il offre différentes visualisations spatiales de résultats
notamment exploitables dans l’optique du SDACR IV.
Illustration n°3 – Schéma de principe des étapes ayant conduit à la création de l’outil « Lizmap ruptures »
L’identification, la localisation et l’analyse des résultats obtenus permettent de proposer des axes
d’optimisation immédiats (court terme) et prospectifs (moyen et long termes) pour le SDIS du Doubs :
Dans un 1er temps, l’étude des ruptures lui permet d’avoir une connaissance fine des capacités
opérationnelles maximales par une visualisation spatio-temporelle des secteurs les plus en difficultés.
L’analyse pluriannuelle permet de préciser le contour de ces zones névralgiques.
Illustration n°4 – Localisation des ruptures R3 Illustration n°5 – Carte de catégorisation des
2018 : rupture au contrat de rapidité (retard secteurs sur la base du ratio :
simple.). nb_ruptures_R3_INC_2018 / missions_INC_2018
Dans un second temps, cette analyse sert de base à des scénarios d’optimisation à destination des
décideurs. Il est ainsi possible par modélisation de faire varier des paramètres tels que moyens humains
et matériels (quantité, qualité, périodes de disponibilité) et d’observer l’impact de ces variables sur les
ruptures. Par exemple, la présence supplémentaire d’un chef d’agrès tout engin dans le CIS alpha
permet une baisse de 45% des cas « C » imputables à ce centre (cas C : cas représentatifs des
ruptures de service public). Cette information essentielle peut aiguiller une politique de développement
du volontariat et/ou de formation par exemple.
13 // ENSOSP – DEPRO² / CERISC – Prix de l’innovation 2020Globalement, l’outil Lizmap ruptures offre au SDIS une capacité d’optimisation des secours à géométrie
variable. L’identification de l’origine des ruptures permet d’actionner des leviers correctifs plus ou moins
consommateurs en ressources humaines, matérielles et budgétaires :
- Politique formative pour des ruptures consécutives à des défauts d’aptitude,
- Politique de développement du volontariat en cas d’insuffisance permanente d’effectif,
- Politique de répartition temporelle et géographique des ressources humaines et matérielles,
- Politique bâtimentaire pour identifier l’implantation la plus pertinente d’un nouveau CIS etc.
Outil d’analyse et de compréhension de la capacité opérationnelle du SDIS, l’outil Lizmap ruptures sera
un élément clé de la révision prochaine du SDACR du Doubs dans un objectif d’amélioration de la
qualité de service.
Il devient ainsi possible de travailler de manière préventive (actuellement curative) les choix
d’organisations à mettre en œuvre pour faire face aux enjeux de couverture opérationnelle.
L’étape suivante, en cours de développement, est de pouvoir réaliser l’analyse des ruptures sur la base
de prédictions opérationnelles. Il s’agit d’analyser leur évolution non seulement sur les interventions
ayant été réalisées mais également sur celles prédites par le système.
C’est l’objet du second outil développé dans le cadre du projet PredictOps qui a pour finalité de réduire
l’incertitude et préparer plus efficacement la réponse opérationnelle grâce à l’intelligence artificielle au
profit des sapeurs-pompiers.
C.2. PredictOps : un nouvel outil opérationnel et stratégique de prédiction
des interventions
PredictOps est un outil permettant de prédire l’activité opérationnelle future en fonction de celle passée
et de variables contextuelles, qu’elles soient propres à l’intervention ou externes.
- Les variables propres à l’intervention sont limitées au lieu (coordonnées, commune, quartier), à la
date, à l’heure et à la raison de sortie (nature de l’intervention).
- Les variables externes peuvent être relatives à la météorologie (données de Météo France par station
notamment température, pression, hygrométrie…), à l’éphéméride (heure de l’aurore, du crépuscule,
phases de la lune…), au trafic routier (données de Bison futé), aux hauteurs d’eau ou encore à
l’épidémiologie. Plus de 800 variables sont étudiées au stade actuel du projet.
La méthode utilisée, dite de « machine learning », analyse les évènements passés en mettant en avant
les facteurs ayant pu causer ou influencer la survenance de ces évènements. Elle classe ensuite ces
facteurs ou « variables explicatives » en fonction de leur pertinence : c’est la première phase, celle de
l’apprentissage.
14 // ENSOSP – DEPRO² / CERISC – Prix de l’innovation 2020Année Heure
Pertinence des variables
Illustration n°6 – liste des variables explicatives du nombre de suicides et « scoring »
La période étudiée doit être suffisamment longue (garantissant la répétition du même type
d’évènement) pour que l’apprentissage aboutisse à une connaissance fine des variables explicatives.
Aussi, le SDIS du Doubs a fourni aux chercheurs les données de toutes les interventions réalisées
entre 2007 et 2019, soit 13 années complètes et près de 400 000 interventions.
Dans un deuxième temps, la machine qui a appris va pouvoir estimer la probabilité de récurence d’un
type d’évènement sur une période donnée. Elle prend en compte les caractéristiques de la période en
question ainsi que la valeur des variables explicatives sur cette période. C’est la phase de prédiction.
Différentes méthodes de machine learning ont été testées et leurs performances respectives
comparées, en mesurant l’écart entre le prédit et le réel sur une période dont on connaît déjà le résultat.
On demande par exemple à la machine de prédire les interventions de 2018 en lui donnant comme
période d’apprentissage les années 2007 à 2017.
Illustration n°7 – Comparaison des résultats de prédiction obtenus avec deux méthodes de machine learning différentes :
XGBoost (Extreme Gradient Boosting) et LSTM (Long Short-Term Memory)
Générer une prédiction consiste à fixer certains paramètres d’entrée : la nature d’intervention (secours
à personnes, feux sur voie publique…), le bloc temporel de prédiction (1h, 2h, 1 mois…), la date et
15 // ENSOSP – DEPRO² / CERISC – Prix de l’innovation 2020l’heure de début de ce bloc temporel et l’unité géographique de prédiction (commune, secteur,
groupement…).
On obtient alors en sortie une probabilité se traduisant par un nombre d’interventions répondant aux
critères demandés.
Ce travail scientifique, mené par les universitaires, a donné lieu à des publications dans des revues
scientifiques et des inscriptions en congrès internationaux. Il est à noter qu’aucune autre publication
sur ce domaine d’activité n’a été identifiée lors de la réalisation de l’état de l’art, partie introductive à
toute recherche. Une liste des articles soumis est présentée en annexe n°5 et précise leur niveau
« d’acceptation » par la communauté scientifique.
Dans le but de mieux visualiser les résultats des prédictions et pouvoir les exploiter, une interface de
type application web cartographique a été créée par notre partenaire privé et reliée au moteur
d’intelligence artificielle (annexe n°4).
Pour le SDIS l’objectif de cet outil d’aide à la décision est d’améliorer la couverture des risques de façon
dynamique et prospective :
- Au niveau du CODIS pour optimiser la couverture opérationnelle à court terme (par exemple
dans le cadre d’évènements sociaux ou climatiques ponctuels).
- Au niveau d’une cellule d’anticipation lors d’une crise d’ampleur ; nous visualiserons les
prédictions sur un bloc temporel de plusieurs heures à plusieurs jours ;
- Au niveau du service prévision et/ou opération dans le cadre de l’élaboration du SDACR et des
plans associés ; nous opterons pour une prédiction à long terme, de plusieurs mois à plusieurs
années.
Intuitive et ergonomique, l’application est paramétrable de façon à répondre aux trois types de besoins
précités.
Illustration n°8 – Maquette du futur outil d’aide à la décision : ici une représentation par secteur des interventions de
type « secours à personnes urgent » pour les prochaines heures
En l’état actuel des recherches, la précision des prédictions est d’ores et déjà très satisfaisante. Avec
la méthode LSTM notamment, 90% des prédictions ont moins de 2 interventions d’erreur par heure et,
surtout, 30% des prédictions sont totalement justes.
16 // ENSOSP – DEPRO² / CERISC – Prix de l’innovation 2020Ces résultats encourageants sont le fruit de trois années de recherche et de collaboration entre les
différents partenaires du projet.
2018 2019 2020
Recherches Création logiciel /
scientifiques et communication
portage externe /
Adéquation administratif
besoins SDIS / extension (autres
(partenariats, Thèse
capacités IA CIFRE, …) SIS, ARS,…?)
Néanmoins, même si certains paliers ont été franchis, améliorer la précision de la prédiction reste un
objectif important pour l’année 2020. Pour cela, il est nécessaire d’augmenter le nombre de données
pouvant être traitées par le système et alimenter les apprentissages. L’extension de la solution à un ou
deux SDIS supplémentaires sur l’année 2020 permettrait d’affiner les prédictions et de confronter le
système à d’autres natures d’intervention absente du Doubs.
Au-delà, l’objectif est d’alimenter PredictOps de données provenant également de services partenaires,
qu’ils soient publics (Santé) ou privés (transporteurs sanitaires privés par exemple). La forme modulaire
de cet outil le rend extensible et transposable. Ainsi, il sera aisé d’introduire des variables plus
spécifiques au risque feu de forêt par exemple et d’intégrer de nouveaux critères permettant de
périmétrer la prédiction en fonction d’une cinétique de feu par exemple.
Le module de représentation cartographique pourra quant à lui être utilisé très facilement dans d’autres
départements, voire à terme sur le territoire national ; le lien avec NexSIS sera bien sûr un enjeu de
service public.
Enfin, d’outil de prédiction des interventions pour les sapeurs-pompiers, PredictOps pourrait devenir un
outil de prédiction pour d’autres corps de métiers pour lesquels l’anticipation permet d’accroître la
qualité du service, notamment en matière d’urgence préhospitalière et d’anticipation des flux de
patients-victimes dans les services d’accueil des urgences.
A travers ce projet partenarial et innovant, le SDIS du Doubs ne souhaite pas œuvrer à son simple
profit, mais bien dans la perspective de déployer des solutions simples pour les acteurs de la Sécurité
civile et de la Santé. Le projet comporte deux volets indissociables, le premier relatif aux ruptures
permet d’objectiver la capacité d’un SIS à couvrir un risque et à comprendre, intervention par
intervention, comment cette réponse de secours est territorialement mise en œuvre. Le second,
prédictif, s’appuie sur des recherches de pointe dans le domaine de l’intelligence artificielle.
Il serait erroné de penser que les acteurs de la Sécurité civile n’ont pas les capacités de travailler sur
la base d’outils performants, fiables et innovants, notamment dans un objectif d’amélioration du service
public, ou de son optimisation.
17 // ENSOSP – DEPRO² / CERISC – Prix de l’innovation 2020Vous pouvez aussi lire
