La France compte un grand nombre de carrières souterraines abandonnées, héritées de son histoire industrielle et de sa géologie. On estime qu'il en existe plusieurs dizaines de milliers. Ces ouvrages se dégradent avec le temps, pouvant entraîner des effondrements localisés ou généralisés en surface et générer un risque pour les personnes, les biens et l'environnement. L'évaluation de ce risque repose sur plusieurs facteurs : la prédisposition du site, l'existence de facteurs déclenchants ou aggravants d'origine externe et leur intensité. Les paramètres géométriques et géomécaniques et l'environnement des carrières souterraines jouent un rôle déterminant dans la survenue et les caractéristiques de ces effondrements. Cependant, ils ne suffisent pas à les expliquer. Des facteurs externes, comme la hausse de la fréquence des événements hydroclimatiques extrêmes liés au changement climatique, peuvent constituer un facteur aggravant. Dans ce contexte, l'Ineris a développé une approche innovante fondée sur l'apprentissage automatique appliqué à des bases de données créées ou issues de mesures in situ (effondrements, signaux acoustiques...). La démarche consiste à structurer rigoureusement les étapes de prétraitement, de sélection et validation des données puis celles d'entraînement, de validation et de déploiement des modèles. Différentes méthodes d'apprentissage ont été testées, notamment les approches ensemblistes, qui se sont révélées robustes et performantes même pour des bases de données limitées. Par ailleurs, le développement d'un système de type Retrieval-Augmented Generation (RAG) est en cours afin d'enrichir automatiquement les bases de données par extraction ciblée d'informations dans des documents techniques. L'objectif est de combiner la puissance de calcul de l'IA à l'expertise géotechnique humaine afin de produire des outils prédictifs fiables et interprétables. Ces outils visent, à terme, à améliorer l'évaluation et la gestion des risques d'effondrement dans les carrières souterraines abandonnées. L'article présentera l'application de ces méthodes à l'inventaire des effondrements initié par l'Ineris en 2022.