L'intelligence artificielle et l'apprentissage automatique offrent aujourd'hui des leviers puissants pour améliorer les pratiques en ingénierie géotechnique, notamment en matière de rapidité et d'accessibilité des calculs. Ce travail s'inscrit dans le développement d'un module expérimental intégré à la plateforme web Orbow, visant à prédire la stabilité d'un talus simple (pente unique, sol homogène) à partir d'un métamodèle entraîné sur des données simulées avec Talren, logiciel de référence développé par Terrasol.

Le modèle, fondé sur des techniques de machine learning, spécifiquement des algorithmes ensemblistes à base d'arbres de décision, permet d'estimer instantanément le facteur de sécurité et la surface de rupture, sans saisie complexe de paramètres. L'algorithme a été entraîné sur plusieurs milliers de cas générés automatiquement, en veillant à explorer un large éventail de valeurs possibles pour les variables explicatives. L'objectif est de tester la capacité de l'IA à fournir des résultats robustes et fiables.

Les premiers résultats montrent une bonne précision sur la prédiction du facteur de sécurité, tandis que la modélisation de la surface de rupture reste plus délicate. Ce métamodèle ne cherche pas à remplacer les méthodes traditionnelles de calcul, mais à les compléter en offrant une réponse rapide dans les phases amont des projets.