Pourquoi le « smart water » a cessé d'être un effet de mode en 2026
Les pertes d'eau non facturées — eau produite sans être facturée, à cause de fuites, de branchements illicites ou d'erreurs de comptage — représentent quelque 35 % du volume des services publics d'eau dans le monde (source : Intellectual Market Insights, 2025). Sur un site industriel, la perte équivalente est plus faible en pourcentage, mais plus difficile à détecter : la plupart des installations perdent entre 8 et 20 % de leur eau traitée à cause des fuites, des purges, des filtrations en dérivation et des erreurs de comptage. Et, contrairement à un service public d'eau, une station d'épuration industrielle ne dispose pas d'un régulateur fixant un objectif de fuite. L'ancrage économique est concret : sur un site de 500 m³/j dosant un polymère à 10 mg/L sur une ligne de déshydratation, une marge de surdosage chimique de 15 %, liée à un fonctionnement sur consignes fixes au lieu d'une commande prédictive, coûte environ 1,2 M$ par an (données terrain HydropureWater, novembre 2025). C'est le chiffre à garder en tête face aux achats lorsque l'« analyse prédictive » apparaît comme une ligne budgétaire.
Le marché s'est réajusté en conséquence. Le marché mondial de la gestion intelligente de l'eau devrait atteindre 44,45 Md$ d'ici 2034, avec un TCAC de 9,8 %, la plupart des analystes indépendants convergeant vers un TCAC de 11 à 15 % au début des années 2030 (source : Intellectual Market Insights, 2025). Il ne s'agit plus d'un budget pilote : c'est désormais une ligne budgétisée dans les CAPEX des services publics d'eau. La consolidation 2024-2025 confirme cette évolution : l'acquisition d'Evoqua par Xylem pour 7,5 Md$ a été conclue environ 18 mois plus tôt que prévu, Itron a annoncé le rachat de Locusview pour 525 M$ en novembre 2025, et Badger Meter a acquis SmartCover Systems pour 185 M$ en janvier 2025. L'eau intelligente est devenue une guerre des plateformes, et cette guerre détermine directement quels fournisseurs seront encore présents en 2027, au moment du renouvellement d'un contrat pluriannuel.
Quatre facteurs de pression — raréfaction de l'eau, vieillissement des réseaux, adoption de l'AMI et politiques de villes intelligentes — combinés à des vents favorables réglementaires et liés à l'IA, expliquent pourquoi cette décision relève du « pourquoi maintenant » plutôt que d'une mise à niveau discrétionnaire (source : Intellectual Market Insights, 2025). Pour un acheteur industriel, ces mêmes pressions se traduisent par des autorisations de rejet plus strictes, un reporting Scope 3 de l'eau et des objectifs de durabilité d'entreprise exigeant désormais la même traçabilité d'audit que celle mise en place par les services publics d'eau.
Les cinq fournisseurs qui définissent le smart water en 2026
La short-list défendable pour une évaluation en 2026 comprend Xylem, Veolia, SUEZ, Badger Meter et Itron — redessinée par les transactions Xylem–Evoqua, Badger Meter–SmartCover et Itron–Locusview. Chacun dispose d'un ancrage de compétence distinct qu'il convient de comprendre avant la démonstration commerciale.
Xylem est le leader mondial des technologies de l'eau ; l'acquisition d'Evoqua a ajouté le traitement, le recyclage et la réutilisation à sa pile analytique, générant un chiffre d'affaires record en 2025 et une plateforme unique couvrant pompes, capteurs, skids de traitement et services numériques (source : Intellectual Market Insights, 2025). Pour un site industriel évaluant des bioréacteurs à membranes (MBR) avec télémétrie intégrée, l'intérêt tient au fait que le même fournisseur peut désormais livrer le train de membranes et la couche SCADA/IA par-dessus.
Veolia opère dans 56 pays sur les métiers de l'eau, des déchets et de l'énergie, avec un double empreinte municipale et industrielle rare parmi les fournisseurs de premier rang ; ses services numériques Hydralisic et Hubgrade viennent s'appuyer sur cette base installée (source : Intellectual Market Insights, 2025). SUEZ commercialise la plateforme d'eau intelligente AQUADVANCED, a approfondi son intégration avec EcoStruxure de Schneider Electric en 2025, et a déclaré un chiffre d'affaires d'environ 916,7 M$ en croissance de 10,9 % en glissement annuel — sa force réside dans l'angle plateforme logicielle pour les services publics d'eau recherchant une convergence OT/IT (source : Intellectual Market Insights, 2025).
Badger Meter bénéficie d'un héritage de plus de 100 ans dans la mesure des débits et a exploité l'accord SmartCover de janvier 2025 (185 M$) pour se positionner sur la surveillance au niveau des réseaux d'assainissement — une niche utile pour les acheteurs combinant station d'épuration et réseau de collecte (source : Intellectual Market Insights, 2025). Itron est l'opérateur historique de l'AMI et du comptage intelligent dans plus de 100 pays ; l'accord avec Locusview de novembre 2025 (525 M$) a ajouté l'optimisation des interventions terrain, qui constitue le vide laissé par la plupart des fournisseurs de comptage (source : Intellectual Market Insights, 2025).
Acteurs de second rang à examiner de plus près : Siemens, Schneider Electric, ABB, Honeywell, IBM (pour les plateformes IA), Kamstrup, Landis+Gyr, Neptune Technology Group et TaKaDu (source : Intellectual Market Insights, 2025). Géographiquement, l'Amérique du Nord mène (sièges de Xylem et Itron) ; l'Europe s'appuie sur Veolia et SUEZ ; l'Asie-Pacifique est la région à la croissance la plus rapide (source : Intellectual Market Insights, 2025).
| Fournisseur | Ancrage de compétence | Preuve récente via fusions-acquisitions | Meilleur choix pour les eaux usées industrielles |
|---|---|---|---|
| Xylem | Traitement + analytique + pompes sur une plateforme unique | Evoqua, 7,5 Md$ (≈ 18 mois d'avance) | Sites multi-implantations > 5 000 m³/j, propriété du train complet |
| Veolia | Services transnationaux eau/déchets/énergie | Expansion continue des services numériques (Hydralisic, Hubgrade) | Projets à double empreinte municipale et industrielle |
| SUEZ | Plateforme logicielle (AQUADVANCED) sur EcoStruxure | Intégration EcoStruxure de Schneider Electric en 2025 | Acheteurs orientés convergence OT/IT, pilotés par le logiciel |
| Badger Meter | Mesure de débit + surveillance des réseaux d'assainissement | SmartCover, 185 M$ (janvier 2025) | Comptage + visibilité du réseau de collecte |
| Itron | AMI + optimisation des interventions terrain | Locusview, 525 M$ (novembre 2025) | Stations d'épuration en bordure de réseau de distribution ou adossées à un service public |
Ce que « analyses prédictives » signifie réellement en pratique
L'analyse prédictive est la couche qui se place au-dessus du SCADA et de l'IHM : au lieu d'indiquer aux opérateurs ce qui s'est déjà produit, elle prévoit ce qui va se passer et pourquoi, en s'appuyant sur le cadre défini par Bibri et Huang (2025) — surveillance environnementale en temps réel, analyse prédictive, détection d'anomalies et stratégies opérationnelles adaptatives fonctionnant de concert (Environ Sci Ecotechnol). L'expression est employée de manière approximative dans les plaquettes commerciales ; la réalité technique est un empilement de quatre couches de données alimentant un petit ensemble de familles de modèles qui produisent un ensemble défini de KPI.
Les couches de données sont : (1) capteurs IoT terrain — pH, potentiel d'oxydoréduction (ORP), oxygène dissous, turbidité, conductivité, débit, niveau ; (2) compteurs intelligents AMI sur l'eau entrante et l'effluent traité ; (3) télémétrie SCADA/PLC ; (4) enregistrements opérationnels — temps de marche des pompes, consommation énergétique, journaux de maintenance (source : services smart water d'Arup). La quatrième couche est celle dans laquelle la plupart des sites industriels sous-investissent. Sans un journal de maintenance propre reliant les ordres de travail à des horodatages et à des identifiants d'équipements, les modèles de détection d'anomalies ne disposent d'aucune vérité terrain pour apprendre.
Les familles de modèles actuellement utilisées se répartissent par fonction. La prévision de séries temporelles — réseaux LSTM, Prophet et régresseurs à gradient boosted — prend en charge la prévision de demande et de débit. La détection d'anomalies — isolation forests, autoencoders et SVM one-class — signale les excursions de qualité d'eau par rapport à une base apprise. Les modèles de classification (forêts aléatoires, XGBoost) prédisent la défaillance d'équipements à partir de caractéristiques extraites de la télémétrie. Le ML informé par la physique combine des modèles de premier principe (biofiltres, décanteurs, trains d'osmose inverse) avec des résidus pilotés par les données — les travaux d'Arup sur l'analyse prédictive des biofiltres constituent l'exemple industriel documenté publiquement (source : services smart water d'Arup). Severn Trent Water a utilisé le ML afin de réduire l'analyse manuelle de l'infiltration dans les réseaux d'assainissement — un exemple équivalent à l'échelle d'un service public (source : services smart water d'Arup).
Les KPI qui doivent figurer dans toute démonstration sérieuse : horizon de prévision en heures à jours, bande de confiance, score d'anomalie, durée de vie résiduelle pour les équipements tournants et délai attendu avant un événement de non-conformité. La plupart des annonces d'« analytique pilotée par l'IA » sur le marché décrivent encore des tableaux de bord descriptifs — un usage réellement prédictif exige une cadence de réentraînement, des étiquettes de vérité terrain et une boucle de rétroaction qui ré-entraîne le modèle lorsque la dérive de procédé invalide le modèle précédent (source : services smart water d'Arup).
| Couche | Entrées | Famille de modèles (typique) | Sortie KPI | Horizon de prévision |
|---|---|---|---|---|
| Capteurs terrain | pH, ORP, oxygène dissous, turbidité, conductivité, débit, niveau | Détection d'anomalies (isolation forest, autoencoder) | Score d'excursion, temps d'avance sur alarme | Minutes à heures |
| Comptage AMI | Relevés de compteurs intelligents (15 min ou horaire) | Séries temporelles (LSTM, Prophet) | Prévision de demande avec bande de confiance | 24 h à 7 jours |
| SCADA/PLC | Télémétrie, consignes, alarmes | Classification (XGBoost, forêts aléatoires) | Probabilité de défaillance d'équipement, durée de vie résiduelle | Jours à semaines |
| Enregistrements opérationnels | Temps de marche des pompes, énergie, ordres de travail | ML informé par la physique (jumeau numérique) | Optimisation de procédé, kWh/kg éliminé | Heures à jours |
Comment un site d'eaux usées industrielles doit évaluer un fournisseur
Notez chaque fournisseur présélectionné sur cinq critères côté acheteur. Premier critère : horizon de prévision et cadence de réentraînement — demandez une déclaration écrite de la fréquence de réajustement du modèle et des déclencheurs d'un réajustement (changement de procédé, remplacement de capteur, seuil de dérive). Deuxième critère : transparence et explicabilité du modèle — le fournisseur peut-il indiquer quelles variables ont piloté une prédiction, et ce modèle est-il inspectable par vos ingénieurs procédé ou seulement par ses data scientists ? Troisième critère : architecture de déploiement — sur site, cloud privé ou cloud fournisseur, et l'architecture prend-elle en charge un fonctionnement en réseau isolé pour les réseaux à segmentation OT ? Quatrième critère : propriété des données et droits de sortie — à qui appartiennent le modèle entraîné, le jeu de données étiqueté et les extractions d'historien — et quel est le format d'export en fin de contrat ? Cinquième critère : profondeur d'intégration SCADA/PLC — support natif d'OPC UA, connecteurs historiens (PI, Wonderware, Ignition), et capacité à renvoyer des recommandations de consigne vers l'API, et pas seulement vers un tableau de bord.
Adaptez le type de fournisseur à la taille de l'installation. Les fournisseurs de plateformes de premier rang (Xylem, Veolia, SUEZ) sont économiquement pertinents au-delà d'environ 5 000 m³/j ou sur des portefeuilles multi-sites où la licence de plateforme est amortie. Les fournisseurs axés sur le comptage (Badger Meter, Itron) conviennent aux besoins en bordure de réseau de distribution ou en contexte de service public. Les intégrateurs systèmes spécialisés en industrie constituent la bonne réponse pour les stations d'épuration de moins de 1 000 m³/j où la plateforme complète est surdimensionnée mais où l'instrumentation et les skids de dosage chimique pilotés par API doivent être modernisés. Pour une station d'épuration dont le goulot d'étranglement est la déshydratation, le principe de fonctionnement d'une centrifugeuse décanteuse en 2026 mérite également d'être lu dans le périmètre côté équipements.
Questions indispensables à poser en démonstration, dans l'ordre : (1) quels KPI sont prévus versus simplement reportés, (2) quel est le délai d'avance sur un événement de non-conformité prédit et comment est-il validé, (3) le modèle peut-il tourner sur des données historien sans nouveaux capteurs, (4) à qui appartiennent le modèle entraîné et les données, (5) quelle est la posture cybersécurité (alignement IEC 62443, SOC 2), et (6) quel est le plan de continuité produit sur 3 ans ? Le risque lié aux fusions-acquisitions est réel — la même vague de consolidation qui a construit la profondeur des plateformes (Evoqua, Locusview, SmartCover) crée aussi un risque sur les feuilles de route produits et les contrats de support que l'équipe achats doit intégrer dans son évaluation (source : Intellectual Market Insights, 2025).
Checklist de préparation des données avant signature
Avant toute démonstration fournisseur, l'équipe d'ingénierie doit s'autoévaluer sur quatre prérequis liés aux couches de données. Premier prérequis : couverture d'instrumentation sur le bioréacteur — pH, oxygène dissous et matières en suspension (MES) a minima, idéalement complétés par ORP et turbidité sur l'effluent. Deuxième prérequis : AMI sur l'eau entrante — au minimum débit horaire mesuré avec un registre numérique. Troisième prérequis : historien SCADA avec 12 mois ou plus de séries temporelles propres à une résolution exploitable (1 minute ou moins sur les boucles critiques). Quatrième prérequis : un journal de maintenance numérique reliant les ordres de travail aux identifiants d'équipements et aux horodatages.
Chiffrez l'écart. Les sites dont la couverture d'instrumentation est inférieure à 60 % sur les points de contrôle critiques doivent prévoir un projet d'instrumentation Phase 0 avant tout POC IA — le modèle ne peut pas apprendre de capteurs inexistants, et un rétrofit sous délai pilote conduit à des preuves de concept échouées. Pour les installations dont le goulot d'étranglement se situe côté membranes, le guide de rétrofit et de modernisation des filtres à disques ainsi que le guide des paramètres de conception d'une osmose inverse pour 2026 constituent des références utiles pour cadrer le périmètre lorsque le pilote se situe en aval du traitement biologique.
Définissez le critère de réussite du pilote avant la signature du contrat. Un KPI, une référence de départ, une cible — par exemple, énergie d'aération en kWh/kg de DBO éliminée, ou dose de réactif en kg/kg de phosphore éliminé, ou dose de polymère en kg/kg de matières sèches. Tout périmètre plus large qu'un KPI unique produira des anecdotes plutôt que des résultats. Une fois la fondation de données établie, l'intégration SUEZ–EcoStruxure de Schneider Electric constitue une référence utile pour le type de convergence OT/IT que la plupart des sites planifieront d'ici 2027 (source : Intellectual Market Insights, 2025).
Foire aux questions
Quels sont les principaux fournisseurs de systèmes d'eau intelligents avec analyses prédictives en 2026 ?
La short-list défendable est Xylem, Veolia, SUEZ, Badger Meter et Itron — redessinée par l'acquisition d'Evoqua par Xylem pour 7,5 Md$, l'accord Itron–Locusview à 525 M$ (novembre 2025) et l'accord Badger Meter–SmartCover à 185 M$ (janvier 2025) (source : Intellectual Market Insights, 2025). Les candidats de second rang à examiner de plus près incluent Siemens, Schneider Electric, ABB, Honeywell et IBM pour les plateformes.
En quoi les analyses prédictives diffèrent-elles d'un tableau de bord SCADA classique ?
Un tableau de bord SCADA décrit ce qui s'est déjà produit. Une couche d'analyse prédictive prévoit ce qui va se passer et pourquoi, en s'appuyant sur des capteurs IoT, des compteurs AMI, la télémétrie SCADA et les enregistrements opérationnels alimentant des familles de modèles telles que LSTM/Prophet pour les séries temporelles, isolation forests et autoencoders pour la détection d'anomalies, et ML informé par la physique pour les jumeaux numériques des biofiltres et décanteurs (source : services smart water d'Arup ; Bibri et Huang 2025). Les sorties concrètes sont des horizons de prévision en heures à jours, des bandes de confiance, des scores d'anomalie et des estimations de durée de vie résiduelle pour les équipements tournants.
Que coûte réellement l'analyse prédictive à un site d'eaux usées industrielles ?
Le coût de licence est la ligne visible ; le chiffre le plus important est ce que coûte déjà un fonctionnement à l'aveugle. Sur une installation de 500 m³/j, une marge de surdosage chimique de 15 % sur une ligne de déshydratation coûte de l'ordre de 1,2 M$ par an (données terrain HydropureWater, novembre 2025). Une commande prédictive qui réduit ne serait-ce que de moitié cette marge amortit typiquement la licence de plateforme en 12 à 18 mois pour les sites présentant une variabilité d'alimentation régulière.
Quelles données sont requises avant de signer avec un fournisseur d'analyse prédictive ?
Quatre prérequis : (1) couverture d'instrumentation sur le bioréacteur, (2) AMI sur l'eau entrante, (3) historien SCADA avec 12 mois ou plus de séries temporelles propres, et (4) journal de maintenance numérique reliant les ordres de travail aux identifiants d'équipements. Les sites dont la couverture d'instrumentation est inférieure à 60 % sur les points de contrôle critiques doivent prévoir un projet d'instrumentation Phase 0 avant tout POC IA (source : services smart water d'Arup).
