Vers une méthodologie hybride combinant TRIZ, SIG et IA pour la prédiction et la cartographie des zones inondables au Sénégal
Les inondations urbaines et périurbaines constituent, au Sénégal, l'un des aléas naturels les plus récurrents et les plus coûteux, en particulier dans la région de Dakar et son réseau de zones humides dégradées, les Niayes. Les approches existantes de prévision et de cartographie du risque d'inondation reposent le plus souvent, séparément, sur des modèles hydrologiques ou statistiques, sur des systèmes d'information géographique (SIG) couplés à une analyse multicritère, ou sur des modèles d'intelligence artificielle (IA) de plus en plus sophistiqués. Chacune de ces familles de méthodes présente des contradictions techniques bien documentées : gain de précision au prix de l'interprétabilité, finesse spatiale au prix du coût de calcul et de la disponibilité des données, rapidité de déploiement au prix de la robustesse. Cette présentation propose un cadre méthodologique qui mobilise la théorie de résolution des problèmes inventifs (TRIZ) comme couche de structuration des contradictions techniques, le SIG comme couche de représentation géospatiale multicritère, et l'IA comme couche de modélisation prédictive et d'explicabilité. La démarche est illustrée de façon conceptuelle sur le bassin versant de la Grande Niaye de Pikine, dans l'agglomération de Dakar. Les apports, limites et perspectives de validation empirique de ce cadre hybride sont discutés à la lumière d'une revue de plus de soixante références récentes.
