Dans une nouvelle étude publiée dans la revue "Nature" dans la série "Scientific Reports", des chercheurs marocains, en collaboration avec des équipes des Émirats, d'Arabie Saoudite et des États-Unis, ont utilisé des outils d'intelligence artificielle en apprentissage profond (Deep learning) pour "cartographier la pollution des eaux souterraines par les nitrates dans le nord-ouest du Maroc", dans une étude pionnière visant à améliorer la gestion des ressources en eau et à mieux comprendre la "pollution des eaux souterraines par les nitrates" dans l'aquifère côtier de Larache.

Cette étude vise à comprendre la pollution des eaux souterraines par les nitrates (-NO₃) dans l'aquifère sableux côtier situé dans le nord-ouest du Maroc, une région fortement impactée par les activités agricoles et l'utilisation d'engrais chimiques.

Pour analyser ce phénomène, les chercheurs ont utilisé des modèles d'intelligence artificielle et d'apprentissage profond pour prédire les concentrations de nitrates dans les eaux souterraines, en se basant sur plusieurs indicateurs environnementaux tels que l'indice de végétation normalisé, la conductivité électrique, les chlorures, la matière organique et les coliformes fécaux.

Les résultats ont montré que le "modèle TabNet" était le plus précis et efficace, atteignant un taux de réussite d'environ 82 %, surpassant le modèle MLP-ANN (réseau de neurones multicouches).

L'analyse de la recherche, consultée intégralement par Hespress, a indiqué que les coliformes fécaux et la conductivité électrique sont les facteurs les plus influents dans l'augmentation des concentrations de nitrates, suggérant que l'irrigation avec de l'eau polluée et l'utilisation intensive d'engrais sont les principales causes de la dégradation de la qualité des eaux souterraines.

Les cartes obtenues à partir des modèles ont montré que les zones forestières au nord contiennent une eau plus propre, tandis que les zones agricoles du centre et du sud-est enregistrent les niveaux de pollution les plus élevés en raison de l'agriculture intensive et de la mauvaise gestion de l'eau d'irrigation.

Un des points forts de cette étude est que l'utilisation de l'intelligence artificielle représente un "outil puissant pour surveiller et analyser la qualité des eaux souterraines et prédire l'évolution de leur pollution, aidant ainsi les décideurs à identifier les zones les plus vulnérables et à prendre des mesures efficaces pour les protéger", comme l'a souligné l'un des superviseurs de la recherche, le professeur Mourad Aknoui, de la Faculté des sciences et techniques d'Errachidia, dans une interview accordée à Hespress.

Selon les données disponibles, ce travail, publié le 7 octobre, est le fruit d'une collaboration scientifique entre des laboratoires et institutions marocains et internationaux, notamment l'Université Abdelmalek Essaadi à Tétouan, le Centre national de l'énergie, des sciences et des techniques nucléaires à Rabat, l'Institut scientifique de l'Université Mohammed V, l'Université américaine de Sharjah (Émirats), l'Université Princesse Nourah bint Abdulrahman (Arabie Saoudite), l'Université du Mississippi (États-Unis) et l'équipe de recherche en génomique et technologies de l'Université Moulay Ismail.

Ce travail s'inscrit dans le cadre de la thèse de doctorat du chercheur Mourad Shahid, sous la supervision du professeur Jamal Eddine Stitou Al-Massari de la Faculté des sciences de Tétouan à l'Université Abdelmalek Essaadi, avec une co-supervision du Dr Ismail Hilal du Centre national de l'énergie, des sciences et des techniques nucléaires à Rabat, et du professeur Mourad Aknoui de la Faculté des sciences et techniques d'Errachidia à l'Université Moulay Ismail.

Selon les auteurs, cette étude confirme que l'utilisation des technologies intelligentes modernes peut contribuer efficacement à la protection des ressources en eau contre la pollution et soutenir des décisions environnementales durables, garantissant un développement équilibré prenant en compte à la fois l'homme et la nature.

Les chercheurs ont conclu en proposant "d'intégrer des données supplémentaires à l'avenir", telles que des données climatiques, agricoles et des analyses isotopiques, afin d'améliorer la précision des modèles et de mieux comprendre les sources d'azote et les mécanismes de son transfert dans le système hydrique, contribuant ainsi à une gestion durable des eaux souterraines dans les zones côtières sensibles.