Contribution à l'étude d'amélioration de la capacité portante d'une fondation superficielle surmontant un vide souterrain

Abstract

La présence de vides souterrains, qu'ils soient d'origine naturelle (dissolution karstique, érosion) ou anthropique (exploitations minières, carrières abandonnées), constitue une problématique géotechnique majeure affectant la stabilité des fondations superficielles et la sécurité des infrastructures. Cette recherche doctorale vise à développer un cadre méthodologique intégré combinant modélisation numérique avancée et apprentissage automatique interprétable pour l'évaluation et l'amélioration de la capacité portante des fondations en présence de vides souterrains dans les sols stratifiés. La méthodologie adoptée s'articule autour de trois axes complémentaires. Premièrement, une revue critique exhaustive de la littérature établit l'état de l'art concernant la caractérisation des vides souterrains, leurs mécanismes de formation, les risques associés, les méthodes de détection et les techniques de réhabilitation. Deuxièmement, une campagne systématique de modélisation par éléments finis (PLAXIS 2D) génère une base de données de 204 configurations distinctes d'une fondation superficielle reposant sur un système bicouche sable-argile avec vide circulaire sous-jacent. Les paramètres investigués incluent l'excentricité de charge (e/B = 0–0,3), l'épaisseur de la couche de sable (H/B = 0–3), le diamètre du vide (D/B = 0,5–2), sa profondeur (d/B = 0,5– 3), et la présence ou absence de renforcement par géogrille à l'interface sable-argile. Troisièmement, trois architectures d'apprentissage automatique (XGBoost, Random Forest, réseaux de neurones artificiels) sont développées et validées sur cette base de données, puis soumises à une analyse SHAP (SHapley Additive exPlanations) pour quantifier l'importance des paramètres et leurs interactions. Les résultats démontrent que la capacité portante peut être réduite jusqu'à 65% dans les configurations les plus défavorables (vide de grande dimension à faible profondeur sous charge excentrique). L'épaisseur de la couche de sable constitue un facteur déterminant : au-delà de H/B ≥ 3, l'influence du vide devient négligeable et l'effet du renforcement géosynthétique disparaît. La profondeur critique au-delà de laquelle le vide n'affecte plus la capacité portante se situe autour de d/B = 2–3 pour les vides de dimension modérée. Le renforcement par géogrille améliore la capacité portante de 2% à 8% selon la configuration, l'efficacité maximale étant obtenue pour les vides de grande dimension à faible profondeur (D/B = 2, d/B = 0,5). Le modèle XGBoost démontre une performance exceptionnelle avec un coefficient de détermination R2 = 0,988 sur l'ensemble de test et une erreur quadratique moyenne RMSE = 0,031, surpassant significativement Random Forest (R2 = 0,974) et ANN (R2 = 0,966). L'analyse SHAP révèle que l'excentricité de charge (e/B) constitue le prédicteur dominant avec une valeur SHAP moyenne de 0,16, soit 50% supérieure à la profondeur du vide (d/B = 0,11) et trois fois celle de l'épaisseur de sable (H/B = 0,03). Cette hiérarchie quantifiée des paramètres remet en question les hypothèses traditionnelles privilégiant la stratification du sol sur les conditions de chargement. Cette recherche apporte des contributions significatives sur les plans scientifique, méthodologique et pratique. Elle établit pour la première fois une quantification rigoureuse des interactions non linéaires entre sols stratifiés, vides souterrains, chargement excentrique et renforcement géosynthétique. Le cadre méthodologique développé, combinant éléments finis et intelligence artificielle explicable, constitue une approche innovante reproductible pour d'autres problématiques géotechniques complexes. Les abaques de conception, facteurs de réduction de capacité portante (Ωd, ΩD, η), seuils critiques, et outil prédictif validé fournissent aux ingénieurs praticiens des moyens opérationnels pour une conception optimisée des fondations en présence de vides souterrains.