Prédiction de la résistance à la compression du matériau terre crue à l’aide de l’intelligence artificielle

Abstract

Dans un contexte de transition vers des matériaux de construction plus durables, la terre crue suscite un regain d’intérêt en raison de ses qualités environnementales. Cependant, sa faible résistance en compression demeure un obstacle majeur à son utilisation structurelle. Cette étude explore l’usage de l’intelligence artificielle pour prédire cette propriété à partir des paramètres géotechniques du sol mesurés en laboratoire, des paramètres de formulation et la contrainte de compactage. Un modèle de Gradient Boosting a été entraîné sur une base de données comprenant 135 échantillons de briques de terre crue, stabilisées ou non. Après une optimisation des hyperparamètres, le modèle prédit avec une erreur quadratique moyenne de 0,111 MPa², une erreur absolue moyenne de 0,241 MPa et un coefficient de détermination de 0,987 sur les données de test. L’analyse de l’importance des variables révèle que la résistance à la compression est principalement influencée par le pourcentage massique de liant, la contrainte de compactage et le pourcentage massique d’eau du mélange. Ces résultats montrent l’efficacité du Gradient Boosting dans la caractérisation mécanique des matériaux terreux à faible impact environnemental.