SIRIOS pour un réseau ferré plus résilient face changement climatique

Si le réseau ferré est particulièrement vulnérable aux vagues de chaleur estivales, susceptibles de déformer les rails et d’assécher les sols supportant les voies, un autre danger est présent en toute saison : les glissements de terrain, qui peuvent obstruer une voie ou déstabiliser ses sols supports. C’est bien à eux que s’intéresse SIRIOS, Surveillance par interférométrie radar satellitaire des infrastructures de longs linéaires.

Les données satellitaires radar pour scruter le terrain

Les données radar (dites INSAR) utilisées sont issues des satellites européens Sentinel-1. Centré sur le sol et ses déformations, SIRIOS explore les traitements suivants :

• Produits du Service National d’Observation ISDEFORM (Imagerie Satellitaire des Déformations de la Terre), qui quantifient la déformation de la surface de la Terre (vitesses de glissement, séries temporelles, modèles numériques de surface…) 

• Traitements dits PS-DS :

  • Données EGMS (European Ground Motion Service), des mesures de mouvements du sol à l'échelle continentale, fournies par le Copernicus Land Monitoring Service ;

  • Données commerciales auprès de fournisseurs privés.

Premiers résultats sur les Alpes, un territoire pilote stratégique

Sujettes à des risques naturels nombreux et de grande ampleur accentués par le changement climatique, les Alpes apparaissent comme un territoire particulièrement adapté au développement de l’outil SIRIOS. 

👉 Appliquées d’abord sur une portion de ligne que SNCF Réseau connaît bien pour ses fréquents glissements, puis étendues à un tronçon de 50 km, les deux méthodes se révèlent complémentaires : ISDEFORM montre les grands glissements quand la précision millimétrique des traitements PS-DS permet d’observer les déformations les plus fines.

► Exemple de glissement de terrain le long d’une voie ferrée. Les pixels sont les résultats des données ISDEFORM, qui montrent l’ampleur du glissement, et les cercles ceux des données PS-DS, très précises le long de la ligne de chemin de fer. © SIRIOS

👉 Puis, en combinant historique des glissements, données InSAR et données terrain, l’équipe a entrainé un modèle d’apprentissage automatique (machine learning) de susceptibilité au glissement de terrain. Testé sur trois lignes non comprises dans cet entrainement, les résultats sont très prometteurs puisque le modèle a pu retrouver quasi l’intégralité des zones à risques connues sur ces trois lignes.

► Les deux zones surlignées en rouge représentant des zones connues pour leur risque de glissement, et les ronds représentant les prédictions du modèle, on observe une forte corrélation entre les deux. © SIRIOS

Selon Paul Pitard, pilote du projet pour SNCF Réseau, « en analysant les paramètres de chaque zone, nous avons constaté que c’est en premier lieu la topographie puis en second lieu les données INSAR qui conduisent le modèle à classer une zone à risque ou non. Cela prouve que la donnée radar est cruciale pour nos modèles de prédiction des zones à risque ».

👉 En collaboration avec le laboratoire ISTerre-Grenoble, l’équipe a appliqué le modèle à toutes les Alpes et analyse actuellement les résultats zone par zone.

Vers un outil à grande échelle et multi réseaux

🛤️ La prochaine étape pour SIRIOS sera de tester son modèle sur une autre région ferroviaire afin d’améliorer la prédictibilité et pouvoir l’appliquer à toute la France. 

🤝 Dans cette perspective, SNCF Réseau organise en novembre 2026, dans le cadre de SIRIOS, un workshop réunissant des gestionnaires d’infrastructure français (EDF, RTE, IGN, NATRAN), des gestionnaires ferroviaires européens (anglais, espagnols, suisses, allemands), ainsi que l’ESA et le CNES. Deux jours durant lesquels « nous allons passer en revue nos retours d’expérience INSAR pour lever des verrous techniques, éventuellement lancer des collaborations, et trouver des solutions pour passer à grande échelle, qui est une ambition commune » résume Paul Pitard.

🛰️ En prévision du lancement du satellite ROSE-L (Radar Observing System for Europe in L-band) de l’ESA, SNCF Réseau teste par ailleurs l’utilisation de la bande L, qui pénètre mieux la végétation, cette dernière pouvant masquer de petites déformations de terrain. De plus, la bande L permet également de définir des humidités de sol, un atout certain car la saturation des sols en eau est primordiale pour prédire les glissements de terrain.