L’identification des facteurs influençant la consommation d’eau régionale et de leurs règles d’association est d’une grande importance pour prévoir raisonnablement la demande en eau et optimiser l’allocation des ressources hydriques. Cet article s’appuie sur les données historiques de développement et d’utilisation des ressources en eau ainsi que sur les données statistiques socio-économiques de la région du delta de la rivière des Perles. Deux modèles d’apprentissage automatique, la Forêt Aléatoire (RF, random forest) et le Réseau Neuronal Artificiel (ANN, artificial neural network), ont été utilisés, combinés à l’application des méthodes SHAP (shapley additive explanations) et PDP (partial dependence plots), pour identifier systématiquement les facteurs influençant la consommation d’eau dans la région du delta de la rivière des Perles ainsi que leurs règles d’association, révélant les caractéristiques spatio-temporelles des variations des contributions des différents facteurs. Les résultats montrent que les facteurs influençant la consommation d’eau, par ordre d’importance, sont le PIB, la population, la superficie des terres cultivées, la quantité d’eau disponible par habitant, la consommation moyenne d’eau par unité de superficie irriguée, et la consommation d’eau domestique urbaine par habitant. Les coefficients de détermination moyens des modèles ANN et RF sont supérieurs respectivement à 0,94 et 0,92. Spatialement, les facteurs influençant la consommation d’eau présentent une dominance de la population dans les villes centrales et une dominance de la superficie des terres cultivées dans les régions périphériques. La consommation d’eau dans la région du delta de la rivière des Perles répond le plus clairement aux changements de la population et des superficies cultivées. Cette étude peut fournir une base scientifique et un soutien technique pour la prévision future de la demande en eau et l’allocation équilibrée des ressources hydriques dans l’espace dans cette région.

réseau neuronal artificiel;forêt aléatoire;consommation d’eau;methode SHAP;PDP