Face au réchauffement climatique, toutes les zones urbaines ne sont pas égales.
Certains quartiers cumulent chaleur, fragilités sanitaires et difficultés socio-économiques.
Mais comment identifier précisément ces territoires prioritaires pour agir efficacement ?
C’est tout l’enjeu d’une étude menée sur Grenoble et Échirolles, avec l’appui de la startup deeptech Treensight qui vient de rejoindre le Tarmac.
Transformer des dizaines de variables en connaissances actionnables
Les collectivités disposent aujourd’hui d’une quantité considérable de données : températures, densité urbaine, revenus des habitants, âge de la population, indicateurs de santé, occupation des sols, ou encore données liées aux îlots de chaleur urbains (ICU).
Le défi n’est plus tant de collecter l’information que de la comprendre.
Dans le cadre du projet CASSANDRE, financé par l’ADEME, la chercheuse Sandra Rome de l’Institut des Géosciences de l’Environnement (IGE) a cherché à mieux comprendre comment se combinent les facteurs climatiques, sanitaires et sociaux à l’échelle des quartiers de Grenoble et d’Échirolles. L’objectif : identifier les zones les plus vulnérables aux vagues de chaleur afin d’orienter plus efficacement les politiques publiques.
Pour cela, l’étude a analysé 82 IRIS (mailles statistiques infra-communales de l’INSEE) à partir de 61 variables différentes croisant données climatiques, sanitaires et socio-économiques.
Une technologie issue de quinze ans de recherche au CNRS
C’est ici qu’intervient Treensight, jeune startup deeptech récemment installée au Tarmac d’inovallée.
La société développe une technologie née de plus de quinze années de recherche menées par Gilles Bisson, chercheur au Laboratoire d’Informatique de Grenoble (LIG), unité associant le CNRS, l’Université Grenoble Alpes et Inria.
Son ambition est simple : rendre l’analyse de données complexes accessible aux experts métiers, sans nécessiter de compétences avancées en programmation ou en data science.
L’innovation de Treensight repose sur une représentation visuelle originale des données sous forme d’arbres interactifs, appelés Stacked Trees. Cette approche permet d’explorer rapidement de grands ensembles de données, de faire apparaître des profils cachés, de comprendre quelles variables sont réellement discriminantes et de conserver une parfaite traçabilité des analyses.
Là où beaucoup d’outils produisent des résultats difficiles à interpréter, Treensight cherche au contraire à maintenir l’humain au cœur de l’analyse.
Sept profils de vulnérabilité révélés
Grâce à Treensight Explorer, les chercheurs ont pu combiner des méthodes statistiques avancées et une exploration visuelle intuitive des données, dont l’analyse a permis de faire émerger sept profils territoriaux distincts.
Certains quartiers apparaissent comme particulièrement exposés : températures élevées, forte densité urbaine, précarité économique et fragilités sanitaires se cumulent et renforcent les risques lors des épisodes de chaleur intense. D’autres territoires présentent des vulnérabilités plus limitées, mais nécessitent néanmoins des mesures d’adaptation spécifiques.
Cette lecture fine permet aux collectivités de dépasser les moyennes globales souvent trompeuses et de cibler plus précisément leurs actions : végétalisation, adaptation du bâti, prévention sanitaire ou accompagnement des populations les plus fragiles.
Un exemple de ce que la deeptech peut apporter aux territoires, pour les aider à s’adapter au changement climatique
Au-delà du sujet climatique, ce cas d’usage illustre le potentiel de la technologie développée par Treensight.
Santé publique, industrie, environnement, mobilité, marketing, qualité ou relation client : partout où les organisations disposent de données nombreuses mais difficiles à exploiter, l’approche développée par la startup permet de transformer la complexité en information compréhensible et directement exploitable pour la décision. À l’heure où les entreprises et les collectivités cherchent à prendre des décisions toujours plus éclairées, Treensight propose une vision originale de la data : une analyse rigoureuse, explicable et accessible, héritée de la recherche publique et conçue pour ceux qui connaissent le terrain avant de connaître les algorithmes.
