Compréhension et modélisation multi-échelle du phénomène de retrait-gonflement des argiles

Understanding and multi-scale modelling of clay shrinkage-swelling

• Auteur / Autrice : Sophie Barthélemy
• Direction : Jean-Christophe Calvet, Gilles Grandjean
• Type : Thèse de doctorat
• Discipline(s) : Océan, Atmosphère, Climat
• Date : Soutenance le 13/11/2024
• Etablissement(s) : Université de Toulouse (2023-2025)
• Ecole(s) doctorale(s) : École doctorale Sciences de l’univers, de l’environnement et de l’espace (Toulouse)
• Partenaire(s) de recherche : Laboratoire : Centre national de recherches météorologiques (France ; 1993-....)
• Partenaire(s) de recherche : Etablissement délivrant conjointement le doctorat : Institut national polytechnique (Toulouse ; 1969-....)
• Jury : Président / Présidente : Lionel Jarlan
• Jury : Examinateurs / Examinatrices : Jean-Christophe Calvet, Gilles Grandjean, Lionel Jarlan, Guillaume Chambon, Olivier Cuisinier
• Jury : Rapporteurs / Rapporteuses : Catherine Ottlé, Florence Habets
• DOI : 10.70675/9f3eb967z15c4z4177z87b6z6aa5b8133667

Mots clés

Mots clés contrôlés

Fondations (construction)

Effets de la sécheresse

Mots clés libres

Sécheresse

Argiles

Risques

Drought

Clay

Risks

Résumé

Le retrait-gonflement des argiles (RGA), aussi appelé sécheresse géotechnique, est un phénomène naturel de rétractation des sols riches en minéraux argileux gonflants lors de périodes de sécheresse. Le bâti peut être affecté si le dessèchement se propage en profondeur dans le sol sous les fondations provoquant la fissuration des façades. En France, les dégâts sont couverts par les assureurs dans le cadre du régime d’indemnisation des catastrophes naturelles (CatNat). Il s'agit du deuxième risque le plus coûteux après les inondations, avec des dommages estimés à plus de 20,8 milliards d'euros depuis 1989. Les coûts sont particulièrement élevés depuis 2017, avec un nouveau record en 2022 estimé à plus de 3 milliards d'euros d’après la Caisse Centrale de Réassurance (CCR). Bien que ce phénomène ait été décrit localement, il reste imprévisible à de grandes échelles spatiales, en partie à cause de l'hétérogénéité inhérente aux dépôts argileux. La thèse vise à améliorer la caractérisation des facteurs d'occurrence du RGA et à quantifier statistiquement le nombre global de sinistres. Il ne s’agit pas ici de déterminer un risque de sinistre pour chaque maison. Différents types de données sont comparés : des simulations de l'humidité du sol (Météo-France), des données géologiques et des acquisitions faites sur un site instrumenté dans le Loiret (BRGM), et une base de données de sinistres (CCR). Le travail est abordé sous l’angle du facteur déclenchant principal : la sécheresse. Un indicateur sur-mesure est développé, la magnitude annuelle de sécheresse (YDMI), basée sur l'humidité du sol simulée par le modèle de surface terrestre ISBA. Le YDMI intègre les fortes anomalies négatives d'humidité du sol sur une année. Ses caractéristiques (définition de la sécheresse, profondeur de la couche de sol et méthode de calcul) ont été ajustées par comparaison avec un échantillon de données de sinistres. L'objectif de cet indicateur est d'identifier les conditions de sécheresse susceptibles d’induire du retrait. Une comparaison des humidités du sol simulées par ISBA et des YDMI associés avec des données du site instrumenté a permis de caractériser les incertitudes liées à l’échelle macroscopique du modèle. Des YDMI sont ensuite calculés de façon spatialisée sur la France, d'abord pour une période historique allant de 2000 à 2022, puis pour une période future allant jusqu'à 2065. Pour cela, ISBA est forcé successivement par la réanalyse SAFRAN, et par les champs atmosphériques simulés par plusieurs modèles de climat sous les scénarios RCP 4.5 et 8.5. L'analyse historique identifie des événements extrêmes qui ont frappé la France en 2003, 2018, 2019, 2020 et particulièrement en 2022. D'autre part, les YDMI projetés montrent que la fréquence et l’intensité médianes des sécheresses favorisant le RGA sont amenées à augmenter dans le futur, surtout dans le scénario le plus pessimiste RCP8.5. Le dernier volet de la thèse met en interaction le YDMI et trois composantes géologiques de susceptibilité des sols au RGA identifiées par le BRGM, qui sont des critères qualifiant leur minéralogie, lithologie et propriétés géotechniques. Un des enjeux pour les assureurs est de prédire le nombre de sinistres causés par une année de sécheresse. C’est pourquoi le YDMI par années et les critères géologiques ont été croisés avec des données assurantielles pour entraîner un modèle ensembliste d’apprentissage random forest. Les résultats soulignent le pouvoir prédictif supérieur des YDMI et du critère minéralogique pour prédire le nombre de sinistres global. Ces travaux constituent une avancée vers une meilleure compréhension du phénomène RGA et ouvrent des perspectives pour la prédiction opérationnelle de la sinistralité assurantielle. La modélisation pourrait être améliorée avec des données d’aléa plus fines et une meilleure caractérisation de la vulnérabilité des bâtiments.

Clay shrinkage is the retraction movements of soils rich in expansive minerals during dry periods. Buildings can be affected if the desiccation extends in depth into the ground below the foundations, causing cracks to appear in facades. In France, this damage, known as clay shrinkage-induced subsidence, is covered by insurers in the framework of the national compensation scheme for natural disasters (NatCat regime). It is the second most costly risk after floods, with damages estimated at more than €20.8 billion since 1989. Costs have been particularly high since 2017, with a new record set in 2022 for which damages were estimated at more than €3 billion, according to the Caisse Centrale de Réassurance (CCR). Although this phenomenon has been described locally, it remains unpredictable at large spatial scales, in part due to the inherent heterogeneity of clayey soils. The aim of this PhD work is to improve the characterization of clay shrinkage occurrence factors and to statistically quantify the global number of insurance claims. The aim here is not to determine a risk of damage for each house. Different types of data are compared: soil moisture simulations (Météo-France), geological data and acquisitions made at an instrumented site in the Loiret French department (BRGM), and insurance claims (CCR). To address the problem, we focus first on the main driver of clay shrinkage: drought. A custom drought index, the year drought magnitude index (YDMI), is developed based on soil moisture simulated by the ISBA land surface model. The YDMI integrates strong negative soil moisture anomalies over one year. Its characteristics (drought definition, soil layer depth and calculation method) were adjusted by comparison with a sample of insurance claims data. The purpose of such an index is to identify drought conditions that are likely to trigger clay shrinkage. A comparison of soil moisture simulated by ISBA and associated YDMI with data from the instrumented site enabled us to characterize the uncertainties associated with the macroscopic scale of the model. The YDMI is calculated for the whole country, first for a historical period 2000-2022, and then for a future period until 2065. For this purpose, ISBA is successively forced by the SAFRAN reanalysis, and by atmospheric fields simulated by several downscaled climate models under RCP scenarios 4.5 and 8.5. The historical assessment identifies extreme events that hit France in 2003, 2018, 2019, 2020 and particularly 2022. On the other hand, the projected magnitudes show that the median frequency and intensity of droughts favoring clay shrinkage are bound to increase in the future, especially under the most pessimistic scenario RCP8.5. The last part of the thesis brings YDMI into interaction with three geological components of soil susceptibility to shrinkage identified by BRGM, which are criteria qualifying mineralogy, lithology and geotechnical properties. One of the challenges for insurers is to predict the number of claims caused by a drought episode. For this reason, YDMI per year and geological criteria were cross-tabulated with insurance data to train a random forest supervised learning ensemble model. The results underline the superior predictive power of YDMI and of the mineralogy criterion. This work therefore represents a step towards a better understanding of the clay shrink-swell phenomenon, and opens up new prospects for the operational prediction of the global number of insurance claims. The modeling could be improved with finer hazard data and better characterization of building vulnerability.