Un Système de Gestion des Chaussées (PMS) est un outil d’aide à la décision qui collecte, analyse et rapporte systématiquement les données sur l’état des chaussées afin d’optimiser la programmation de l’entretien et de la réhabilitation dans le cadre de contraintes budgétaires. Un PMS moderne intègre le SIG, les relevés d’état, les modèles de détérioration, les règles de traitement et la budgétisation pluriannuelle.
Un Système de Gestion des Chaussées (PMS) est un cadre systématique d’aide à la décision qui permet aux agences de transport et aux exploitants aéroportuaires de collecter, stocker, analyser et rapporter les données sur l’état des chaussées dans le but d’optimiser les investissements d’entretien, de réhabilitation et de reconstruction (MR&R) dans le cadre de contraintes budgétaires disponibles. L’American Association of State Highway and Transportation Officials (AASHTO) définit la gestion des chaussées comme « la direction efficace et efficiente des diverses activités impliquées dans la fourniture et le maintien des chaussées dans un état acceptable pour le public voyageur au moindre coût du cycle de vie. » À la base, un PMS remplace la prise de décision réactive et ad hoc par une approche analytique basée sur les données qui répond à trois questions fondamentales : quel est l’état actuel du réseau de chaussées, quel sera l’état futur selon différents scénarios de financement, et quels traitements, à quels endroits et à quels moments, offriront la meilleure valeur à long terme ?
Un PMS n’est pas simplement une application logicielle — c’est une méthodologie complète qui englobe les protocoles de collecte de données, la gestion de bases de données, les modèles analytiques, les critères de décision et les procédures de mise en œuvre. Le terme est entré dans l’usage courant à la fin des années 1960 et au début des années 1970, alors que les réseaux de chaussées s’étendaient rapidement et que les simples méthodes basées sur l’expérience se révélaient inadéquates pour gérer des réseaux vastes et complexes. Hudson, Haas et d’autres pionniers de l’ingénierie des chaussées ont formalisé le concept d’un « système total de gestion des chaussées » comme un ensemble coordonné d’activités visant à obtenir la meilleure valeur pour les fonds publics disponibles dans la fourniture et l’exploitation de chaussées lisses, sûres et économiques.
Les cinq composantes essentielles de tout PMS, telles qu’établies par Peterson (1987), sont : les relevés d’état des chaussées pour mesurer l’état actuel, une base de données complète hébergeant toutes les informations relatives aux chaussées, un schéma d’analyse avec des algorithmes de prédiction de performance et d’optimisation, des critères de décision qui encodent les politiques des agences et les règles d’ingénierie, et des procédures de mise en œuvre qui traduisent les résultats analytiques en projets de construction réels. Les plateformes PMS modernes ont fait évoluer ces composants en suites logicielles intégrées qui combinent des bases de données relationnelles, des interfaces spatiales SIG, des modèles de détérioration, des moteurs d’optimisation des traitements et des tableaux de bord de rapport.
L’objectif d’un PMS va au-delà du simple catalogage des dégradations des chaussées. Il fournit des preuves objectives pour les demandes budgétaires, permet une priorisation transparente des projets concurrents, quantifie les conséquences d’un sous-financement et documente la conformité aux exigences réglementaires. Pour les aéroports recevant un financement fédéral dans le cadre du Programme d’Amélioration Aéroportuaire (AIP) de la FAA, un programme de gestion des chaussées est une exigence d’assurance de subvention, faisant de la mise en œuvre d’un PMS une condition d’éligibilité pour les subventions d’amélioration des immobilisations.
L’architecture fonctionnelle d’un Système de Gestion des Chaussées moderne comprend plusieurs modules interconnectés qui transforment les données brutes de terrain en informations de gestion exploitables. Comprendre cette architecture est essentiel pour les agences qui évaluent un logiciel PMS ou conçoivent leur propre système.
Le module d’inventaire est le composant fondamental qui stocke les caractéristiques physiques et administratives de chaque section de chaussée du réseau. Pour chaque section, la base de données enregistre : l’identification unique (branche, numéro de section), la localisation (coordonnées SIG, stations de début/fin), les dimensions physiques (longueur, largeur, superficie), le type de chaussée (enrobé souple, béton rigide, composite), la structure des couches (type et épaisseur de la couche de surface, type et épaisseur de la base, propriétés de la sous-base), l’historique de construction (date de construction initiale, toutes les dates de réhabilitation et de réfection ultérieures), le chargement de trafic (départs annuels, classification des aéronefs, charges équivalentes par essieu simple) et la classification fonctionnelle (piste, voie de circulation, aire de trafic, héliport, voie d’accès). Le module d’inventaire stocke également des données de référence telles que les coûts unitaires des alternatives de traitement, les taux d’actualisation pour l’analyse économique et les seuils politiques pour l’état minimal acceptable.
Le module d’état stocke et traite toutes les données sur l’état des chaussées collectées lors des relevés de terrain. Cela inclut les valeurs de l’Indice d’État des Chaussées (PCI) calculées à partir des relevés visuels des dégradations selon ASTM D5340 (pour les aéroports) ou ASTM D6433 (pour les routes et parkings), les mesures de l’Indice de Rugosité International (IRI) provenant des profilomètres inertiels, les données de capacité structurelle issues des essais au déflectomètre à masse tombante (FWD), les mesures de friction de surface, les profondeurs d’orniérage et les lectures de macrotexture. Le module d’état prend en charge les contrôles de qualité des données, le calcul automatisé du PCI à partir des quantités de dégradations, l’agrégation de l’état des unités d’échantillonnage aux sections puis aux branches, et l’analyse des tendances montrant l’évolution de l’état au fil des cycles d’inspection successifs.
Le module d’analyse contient les moteurs analytiques qui transforment les données d’état en aide à la décision. Ce module englobe les modèles de détérioration qui prédisent l’état futur en fonction de l’état actuel, de l’âge, du trafic et des facteurs environnementaux ; les règles de traitement qui font correspondre les états de la chaussée aux actions d’entretien et de réhabilitation appropriées ; et les algorithmes d’optimisation qui déterminent l’ensemble optimal de traitements et leur calendrier sur l’ensemble du réseau pour atteindre des objectifs spécifiés dans le cadre de contraintes budgétaires. Le module d’analyse permet la comparaison de scénarios — évaluation des conséquences à long terme de différents niveaux de financement, choix politiques ou stratégies de traitement — et produit des rapports de sortie montrant les trajectoires d’état projetées, l’arriéré d’entretien différé et les besoins de financement.
Le module de rapport génère les produits de sortie qui communiquent les résultats du PMS aux différentes parties prenantes. Pour les ingénieurs et les gestionnaires de chaussées, il produit des rapports d’état détaillés, des listes de projets, des recommandations de traitement et des tableaux de bord d’indicateurs de performance. Pour la direction générale et les élus, il génère des rapports de synthèse montrant l’état global du réseau, les analyses d’écart de financement, les tendances de performance et les conséquences des scénarios budgétaires alternatifs. Pour la conformité réglementaire, il documente le respect des exigences de la FAA, de l’OACI ou des États. Les modules de rapport modernes prennent en charge la cartographie SIG avec visualisation colorée de l’état, des tableaux de bord personnalisables, la génération automatisée de rapports et l’exportation de données vers des formats standard.
Les données sur l’état des chaussées sont le sang vital de tout PMS — la qualité et la cohérence des données d’entrée déterminent directement la fiabilité des résultats analytiques. La collecte de données d’état englobe plusieurs dimensions de mesure, chacune capturant un aspect différent de la performance des chaussées.
Le PCI est l’indicateur d’état composite le plus largement utilisé dans la gestion des chaussées. Développé par le U.S. Army Corps of Engineers et normalisé selon ASTM D5340 pour les aérodromes et ASTM D6433 pour les routes, le PCI évalue l’état des chaussées sur une échelle de 0 (défaillant) à 100 (excellent). La méthodologie PCI consiste à diviser les chaussées en branches (unités fonctionnelles comme les pistes ou les voies de circulation), sections (unités uniformes au sein d’une branche) et unités d’échantillonnage (zones d’inspection au sein d’une section). Les inspecteurs identifient, quantifient et évaluent la sévérité de chaque type de dégradation présent — pour les chaussées en enrobé, les types de dégradations comprennent la fissuration en peau de crocodile, la fissuration en blocs, l’orniérage, le désenrobage, le ressuage, l’ondulation, l’affaissement, le soulèvement et les dommages liés aux conditions météorologiques. Pour les chaussées en béton, les dégradations comprennent la cassure d’angle, la dalle divisée, la fissuration de durabilité (fissuration en D), l’écaillage, l’éclatement, le soulèvement, le faïençage, le pompage et la dalle fragmentée.
Chaque dégradation se voit attribuer une valeur de déduction basée sur son type, son niveau de sévérité (faible, moyen, élevé) et sa densité (pourcentage de la superficie de l’unité d’échantillonnage affecté). La somme des valeurs de déduction est ajustée pour les interactions de dégradations multiples à l’aide d’une courbe de correction, et le PCI est calculé comme 100 moins la valeur de déduction corrigée maximale. Le PCI résultant est interprété à l’aide d’une échelle d’évaluation standard : 86–100 (excellent), 71–85 (bon), 56–70 (moyen), 41–55 (médiocre), 26–40 (très médiocre), 11–25 (grave) et 0–10 (défaillant). Le PCI fournit une mesure reproductible de l’état structurel de surface qui permet une comparaison cohérente entre différentes sections de chaussée et au fil des cycles d’inspection successifs.
Alors que le PCI mesure les dégradations visibles de surface, l’IRI mesure la qualité de roulement et le lissé du profil de surface. L’IRI est calculé à partir de mesures de profil longitudinal collectées à l’aide de profilomètres inertiels à des vitesses routières (généralement 50–80 km/h) ou de profilomètres à vitesse de marche pour des évaluations détaillées. L’indice résume le mouvement de suspension accumulé d’un modèle standard de quart de véhicule parcourant le profil mesuré, exprimé en mètres par kilomètre (m/km) ou en pouces par mile. Des valeurs d’IRI plus faibles indiquent des chaussées plus lisses — une nouvelle piste d’aéroport présente généralement un IRI inférieur à 1,0 m/km, tandis que les chaussées rugueuses peuvent dépasser 3,0 m/km. L’IRI est un indicateur de performance fonctionnelle directement pertinent pour le confort de l’usager, les coûts d’exploitation des véhicules et la dynamique d’atterrissage des aéronefs.
La capacité structurelle est évaluée principalement à l’aide du Déflectomètre à Masse Tombante (FWD), qui applique une charge d’impulsion dynamique simulant une roue d’aéronef lourd et mesure la déflexion résultante de la surface de la chaussée. Les données de déflexion sont analysées à l’aide d’algorithmes de rétro-calcul pour estimer les modules des couches, évaluer la durée de vie structurelle restante et identifier les zones faibles nécessitant un renforcement. Les caractéristiques de surface, notamment la friction (microtexture et macrotexture), la profondeur d’orniérage et la pente transversale, sont mesurées à l’aide d’équipements spécialisés — testeurs de friction continus, profilomètres laser et géoradar pour la vérification de l’épaisseur des couches.
| Type de Donnée | Méthode de Mesure | Unités Typiques | Objectif |
|---|---|---|---|
| PCI | Relevé visuel selon ASTM D5340 | Échelle 0–100 | État structurel de surface |
| IRI | Profilomètre inertiel | m/km ou po/mile | Qualité de roulement / rugosité |
| Capacité structurelle | Déflectomètre à masse tombante | Microns de déflexion | Durée de vie structurelle restante |
| Friction | Testeur de friction continu | Valeur Mu (sans dimension) | Résistance au dérapage / sécurité |
| Orniérage | Profilomètre laser | mm de profondeur | Déformation de surface |
| Macrotexture | Laser / tache de sable | mm (profondeur moyenne de profil) | Drainage de surface / friction |
Les modèles de détérioration sont les moteurs prédictifs d’un PMS, projetant comment l’état des chaussées évoluera dans le temps sous les effets combinés du chargement du trafic, de l’exposition environnementale et du vieillissement des matériaux. Le choix de l’approche de modélisation — déterministe, probabiliste ou basée sur l’IA — a des implications profondes sur la fiabilité des résultats du PMS et la confiance que les gestionnaires peuvent accorder aux projections à long terme.
Les modèles déterministes prédisent une valeur d’état unique à tout moment futur à l’aide d’équations mathématiques ajustées aux données historiques. La forme la plus simple est la régression linéaire (état = ordonnée à l’origine + pente × âge), mais la détérioration réelle des chaussées est rarement linéaire. Les modèles déterministes plus sophistiqués utilisent des fonctions polynomiales, des courbes de décroissance exponentielle (PCI = PCI₀ × e^(-kt) où k est une constante de taux de détérioration), ou des courbes sigmoïdes (en forme de S) qui capturent le cycle de vie typique d’une chaussée : détérioration initiale lente, déclin accéléré en phase intermédiaire, et nivellement éventuel près de la défaillance. Les modèles de la famille PAVER développés par le U.S. Army Corps of Engineers sont parmi les modèles déterministes les plus utilisés, employant le regroupement par famille pour rassembler les sections de chaussée ayant des caractéristiques de construction, de trafic et environnementales similaires, puis ajustant une courbe de détérioration unique pour chaque famille. Les modèles déterministes sont efficaces sur le plan computationnel, faciles à comprendre et nécessitent des données relativement modestes. Cependant, ils ne peuvent pas quantifier l’incertitude inhérente aux prédictions de performance des chaussées et peuvent produire des résultats trompeurs pour les sections dont le comportement s’écarte de la moyenne de la famille.
Les modèles probabilistes tiennent explicitement compte de l’incertitude en prédisant la distribution de probabilité de l’état des chaussées à des moments futurs. L’approche la plus courante utilise les chaînes de Markov, où l’état de la chaussée est représenté comme un ensemble d’états discrets (par exemple, plages de PCI 0–10, 11–25, 26–40, etc.) et les probabilités de transition définissent la probabilité de passer d’un état à un autre sur un pas de temps. Les matrices de probabilités de transition peuvent être développées empiriquement à partir de relevés d’état répétés des mêmes sections, par le biais de sollicitation d’experts lorsque les données historiques sont limitées, ou à l’aide de méthodes de mise à jour bayésienne qui combinent des connaissances préalables avec des données observées. Les modèles probabilistes produisent des projections plus réalistes que les modèles déterministes car ils reconnaissent que toutes les sections de chaussée ne se détériorent pas de manière identique. Ils soutiennent naturellement la prise de décision basée sur le risque en permettant aux gestionnaires de se demander : quelle est la probabilité qu’une section tombe en dessous de l’état minimal acceptable au cours des cinq prochaines années ? La contrepartie est l’augmentation des besoins en données pour estimer les probabilités de transition et une mise en œuvre computationnelle plus complexe.
Les méthodes d’apprentissage automatique et d’intelligence artificielle représentent la frontière de la modélisation de la détérioration des chaussées. Les réseaux de neurones artificiels (RNA) peuvent apprendre des relations complexes non linéaires entre les variables d’entrée (âge, trafic, épaisseurs des couches, climat, propriétés des matériaux) et la détérioration observée sans nécessiter de formes mathématiques pré-spécifiées. Les forêts aléatoires et les machines à gradient boosting (par exemple, XGBoost, LightGBM) offrent de solides performances prédictives avec un classement intégré de l’importance des caractéristiques, aidant à identifier les facteurs qui influencent le plus fortement la détérioration. Les machines à vecteurs de support (SVM) sont efficaces pour les problèmes de classification, comme la prédiction de l’état qu’occupera une chaussée à un moment futur. Des recherches récentes ont exploré les architectures d’apprentissage profond incluant les réseaux à mémoire à long et court terme (LSTM) pour la prédiction de séries temporelles et les réseaux de neurones convolutionnels (CNN) pour prédire la détérioration directement à partir d’images de surface.
Les modèles basés sur l’IA peuvent atteindre une précision de prédiction plus élevée que les méthodes traditionnelles, en particulier lorsque de grands ensembles de données historiques sont disponibles et que les schémas de détérioration sont complexes. Ils peuvent incorporer divers types de données — numériques, catégorielles, images et texte. Les principales limitations sont la gourmandise en données (nécessité de grands ensembles de données d’apprentissage de haute qualité), les défis d’interprétabilité (le problème de la « boîte noire ») et le risque de surajustement aux données d’apprentissage avec une mauvaise généralisation aux nouvelles conditions. Les approches hybrides qui combinent la prédiction par IA avec des cadres probabilistes — comme les réseaux de neurones bayésiens — offrent une voie prometteuse, fournissant à la fois la puissance prédictive de l’apprentissage profond et la quantification de l’incertitude des méthodes probabilistes.
Une fois l’état actuel et futur des chaussées compris, un PMS doit déterminer quels traitements appliquer, où et quand. Cela est accompli par le biais de règles de traitement et d’arbres de décision qui intègrent le jugement d’ingénierie, les politiques des agences et les principes de rentabilité dans des cadres de sélection systématiques.
Un arbre de décision de traitement des chaussées est une structure logique ramifiée qui fait correspondre les états de la chaussée aux actions de traitement. L’arbre utilise généralement des seuils d’état (par exemple, plages de PCI, présence de types de dégradations, valeurs d’IRI) comme critères de ramification, avec des recommandations de traitement aux nœuds terminaux. Pour les chaussées aéroportuaires souples, un arbre de décision typique pourrait spécifier : PCI 85–100 (ne rien faire ou entretien courant uniquement), PCI 70–85 (scellement de fissures et scellement par slurry ou enduit gravillonné), PCI 55–70 (rechargement structurel 50–75 mm), PCI 40–55 (fraisage et réfection, éventuellement avec intercouche textile), PCI 25–40 (réhabilitation lourde avec reconstruction partielle) et PCI inférieur à 25 (reconstruction complète). Chaque point de déclenchement intègre des considérations de trafic — les sections à fort trafic peuvent justifier une intervention plus précoce — et une analyse économique pour confirmer que le traitement recommandé est rentable par rapport aux alternatives.
Les règles de traitement du PMS distinguent plusieurs catégories d’intervention ayant des objectifs fondamentalement différents. Les traitements d’entretien préventif (scellement de fissures, scellement par slurry, enduit gravillonné, micro-revêtement) sont appliqués aux chaussées en bon état (généralement PCI 70–90) pour ralentir la détérioration et prolonger la durée de vie à un coût relativement faible. L’entretien correctif traite des défauts localisés spécifiques (rebouchage de nids-de-poule, réparation d’éclats, rescellement de joints) pour maintenir la sécurité et éviter une détérioration rapide. Les traitements de réhabilitation (rechargements, fraisage et réfection, recyclage) restaurent la capacité structurelle et les caractéristiques de surface des chaussées qui se sont considérablement détériorées (généralement PCI 40–70). La reconstruction implique l’enlèvement et le remplacement complets d’une ou plusieurs couches de chaussée, appliquée aux chaussées ayant atteint la fin de leur durée de vie (PCI inférieur à 40). L’escalade des coûts de l’entretien préventif à la reconstruction est substantielle — les traitements préventifs peuvent coûter 2–5 $/m², tandis que la reconstruction peut dépasser 100 $/m² — soulignant l’impératif économique d’une intervention préventive en temps opportun.
Bien que des arbres de décision génériques existent dans la littérature, une mise en œuvre efficace du PMS nécessite une personnalisation spécifique à l’agence. Chaque aéroport ou agence de transport a des politiques uniques (niveaux d’état minimaux acceptables, types de traitement préférés, disponibilité des entrepreneurs), des paramètres économiques (coûts unitaires, taux d’actualisation, coûts de retard de trafic) et des contraintes (limites budgétaires, restrictions opérationnelles, fenêtres de fermeture de piste). Les logiciels PMS modernes permettent aux agences de définir leurs propres arbres de décision via des éditeurs de règles, avec une logique conditionnelle pouvant référencer n’importe quel champ de la base de données des chaussées. Le processus de sélection des traitements peut également intégrer une optimisation — plutôt que de suivre un simple arbre, le système évalue plusieurs alternatives de traitement pour chaque section et sélectionne celle qui offre le meilleur rapport bénéfice-coût ou maximise l’amélioration de l’état pour les fonds disponibles.
La capacité probablement la plus précieuse d’un PMS sophistiqué est sa capacité à effectuer une optimisation budgétaire pluriannuelle — déterminer la séquence optimale de traitements sur l’ensemble du réseau de chaussées sur un horizon de planification de 5 à 20 ans pour atteindre des objectifs de performance spécifiés au coût minimal du cycle de vie.
La LCCA est le fondement économique de l’optimisation du PMS. Pour chaque section de chaussée et chaque stratégie de traitement réalisable, le PMS calcule la valeur actualisée nette (VAN) de tous les coûts de l’agence (traitement initial, entretien et réhabilitation futurs, inspection et administration) et, dans les implémentations avancées, les coûts pour l’usager (coûts d’exploitation des véhicules, coûts de retard pendant la construction, impacts sur la consommation de carburant). L’analyse nécessite des hypothèses sur le calendrier des traitements, les taux de détérioration entre les traitements (à l’aide des modèles de détérioration), le taux d’actualisation et la période d’analyse. Le résultat est une comparaison du coût total de possession et d’exploitation de chaque section de chaussée selon des stratégies de traitement alternatives, permettant au PMS d’identifier la stratégie qui offre la performance requise au coût à long terme le plus bas.
L’analyse incrémentielle bénéfice-coût classe les projets par le rapport des bénéfices (généralement mesurés comme l’aire sous la courbe d’état ou l’augmentation de l’aire sous la courbe d’état) aux coûts, sélectionnant les projets avec le rapport le plus élevé jusqu’à épuisement du budget. Cette méthode est simple, transparente et largement utilisée, mais elle ne garantit pas la solution globalement optimale car elle ne peut pas tenir compte des interactions entre les projets ou du calendrier des traitements sur plusieurs années.
La programmation linéaire (PL) et la programmation en nombres entiers (PNE) formulent le problème de gestion des chaussées comme une optimisation mathématique avec une fonction objectif (maximiser l’état du réseau, minimiser le coût, ou minimiser le déficit d’état pondéré) et des contraintes (budget par an, état minimal acceptable, limites de production, disponibilité de la main-d’œuvre). Le solveur détermine simultanément quelles sections traiter, quel traitement appliquer et en quelle année. Les algorithmes génétiques (AG) utilisent des principes de recherche évolutionnaire pour trouver des solutions quasi optimales pour des problèmes vastes et complexes qui ne peuvent pas être résolus exactement par PL ou PNE — des problèmes impliquant des centaines ou milliers de sections de chaussée, plusieurs types de traitement et des horizons de planification de 10 à 20 ans. La programmation dynamique (PD) décompose le problème d’optimisation pluriannuelle en étapes séquentielles (années), résolvant chaque étape de manière optimale compte tenu de l’état du système entrant dans cette étape, et travaillant en arrière pour identifier la politique optimale à partir de n’importe quelle condition de départ.
L’optimisation pluriannuelle permet une puissante analyse de scénarios « et si » : à quoi ressemblera l’état du réseau dans 10 ans si le financement est réduit de 20 % ? Quel est le budget minimum requis pour empêcher toute section de tomber en dessous d’un PCI de 55 ? Quelles sont les économies à long terme d’une augmentation des dépenses d’entretien préventif aujourd’hui ? Comment l’ajout d’une nouvelle piste modifie-t-il la stratégie d’entretien optimale ? Les rapports de sortie du PMS montrent généralement les trajectoires d’état projetées selon différents niveaux de financement, l’arriéré résultant d’entretien différé et l’écart de financement — la différence entre les dépenses actuelles et le montant nécessaire pour atteindre les niveaux d’état cibles.
La gestion des chaussées aéroportuaires présente des défis uniques par rapport au PMS routier : les charges des aéronefs sont beaucoup plus lourdes et concentrées, la défaillance des chaussées peut provoquer des accidents catastrophiques, les contraintes opérationnelles limitent les fenêtres de fermeture pour l’inspection et l’entretien, et la supervision réglementaire est plus stricte. La FAA et l’OACI ont développé des directives et des outils spécifiques pour la gestion des chaussées aéroportuaires.
FAA PAVEAIR est le système gratuit de gestion des chaussées aéroportuaires basé sur le web de la Federal Aviation Administration, accessible à faapaveair.faa.gov. Développé et maintenu par la Branche de Recherche et Développement Technologique Aéroportuaire de la FAA, PAVEAIR contient actuellement des données de chaussées de plus de 1 700 aéroports à travers les États-Unis et leurs territoires. Le système prend en charge l’ensemble du cycle de vie du PMS : gestion de l’inventaire (saisie et édition de la structure du réseau de chaussées incluant les branches, sections et unités d’échantillonnage), enregistrement des données d’état (calcul du PCI selon ASTM D5340 en utilisant la méthodologie standard d’identification des dégradations et de valeurs de déduction), modélisation de la détérioration (courbes de performance par famille calibrées aux conditions locales), recommandation de traitement (logique d’arbre de décision avec des points de déclenchement personnalisables par l’agence) et analyse budgétaire pluriannuelle (projection de l’état et des coûts selon des scénarios de financement définis par l’utilisateur).
L’importance de PAVEAIR dépasse ses capacités techniques. La FAA exige que les aéroports recevant des subventions fédérales dans le cadre de l’AIP mettent en œuvre un programme de gestion des chaussées comme assurance de subvention. PAVEAIR fournit une solution conforme et gratuite qui répond à cette exigence, éliminant la barrière des coûts qui pourrait autrement empêcher les petits aéroports de mettre en œuvre une gestion systématique des chaussées. Le système prend également en charge les exigences de rapport de gestion des chaussées de la FAA, permettant aux promoteurs aéroportuaires de générer des rapports standard documentant l’état des chaussées, les besoins d’entretien et les justifications de financement pour les demandes de subventions.
L’Organisation de l’Aviation Civile Internationale traite de la gestion des chaussées principalement par le biais de l’Annexe 14 — Aérodromes (Volume I, Chapitre 10) et du Doc 9137 — Manuel des Services Aéroportuaires, Partie 2 : État de Surface des Chaussées et Partie 9 : Pratiques d’Entretien Aéroportuaire. L’Annexe 14 exige que les exploitants d’aérodromes établissent un programme d’entretien pour garantir que les chaussées restent dans un état qui n’affecte pas négativement l’exploitation sûre des aéronefs. Bien que l’Annexe 14 n’impose pas explicitement un PMS informatisé, elle établit des exigences de performance — inspections régulières, surveillance de l’état, réparation en temps opportun des dégradations de surface, entretien de la friction et prévention des FOD — qui sont mieux satisfaites par une approche PMS systématique.
Le Doc 9157 de l’OACI — Manuel de Conception des Aérodromes, Partie 3 : Chaussées fournit des directives supplémentaires sur la conception structurelle et la gestion des chaussées. Le cadre de Certification des Aérodromes de l’OACI exige que les aérodromes certifiés démontrent qu’ils disposent de procédures et de ressources adéquates pour l’entretien des chaussées. Dans la pratique, les exploitants d’aérodromes des États membres de l’OACI adoptent de plus en plus d’outils PMS pour répondre efficacement à ces exigences, beaucoup utilisant PAVEAIR ou des systèmes commerciaux adaptés aux flottes d’aéronefs locales, aux conditions climatiques et aux cadres réglementaires.
L’intégration du Système d’Information Géographique (SIG) est devenue une fonctionnalité standard des Systèmes de Gestion des Chaussées modernes, transformant les données d’état tabulaires en intelligence spatiale qui améliore la prise de décision, la communication et l’analyse.
Les cartes SIG affichent le réseau de chaussées avec des sections colorées par état (généralement par plage de PCI, avec du vert pour excellent, du jaune pour moyen, du rouge pour médiocre et du gris pour défaillant). Les utilisateurs peuvent zoomer de la vue d’ensemble du réseau jusqu’au détail d’une section de chaussée individuelle, cliquer sur n’importe quelle section pour visualiser son inventaire complet, son historique d’état et son dossier de traitement, et superposer plusieurs couches de données — état, trafic, historique des traitements, type de sol de fondation, année de construction — sur une seule carte. La cartographie thématique révèle des schémas spatiaux : les sections à l’extrémité est de l’aéroport se détériorent-elles plus rapidement que celles à l’ouest ? Quels segments de voie de circulation présentent la plus forte concentration de fissures ? Les extrémités de piste (où se concentrent les charges de freinage et de virage) sont-elles en moins bon état que les sections en milieu de piste ?
Au-delà de la visualisation, le SIG permet de puissantes capacités d’analyse spatiale au sein du PMS. Le tamponnage identifie toutes les sections de chaussée dans un rayon spécifié d’un projet de construction, permettant une passation de marchés groupés efficace. Le traçage de réseau suit le chemin logique du mouvement des aéronefs pour garantir que la planification des traitements tienne compte des impacts opérationnels. L’analyse des points chauds identifie statistiquement les clusters de sections en mauvais état qui peuvent indiquer des problèmes systémiques — problèmes de drainage, faiblesse du sol de fondation ou défauts de qualité de construction. Les tendances d’état par zone comparent les taux de détérioration dans différentes zones aéroportuaires, soutenant l’investigation ciblée des facteurs environnementaux ou opérationnels à l’origine de performances différenciées.
Les applications mobiles compatibles SIG permettent aux inspecteurs de visualiser la carte du réseau de chaussées sur tablettes ou smartphones, de naviguer vers les unités d’échantillonnage assignées, d’enregistrer les données de dégradation avec une localisation estampillée GPS et de photographier les défauts avec un géotaguage automatique. Les données d’inspection sont téléchargées en temps réel ou synchronisées au retour au bureau, alimentant directement la base de données d’état du PMS. Ce flux de travail élimine les formulaires papier, réduit les erreurs de saisie de données et garantit que les données d’état sont précisément localisées pour l’inspection et la ré-inspection.
L’intégration de l’inspection par véhicule aérien sans pilote (UAV) ou drone avec les Systèmes de Gestion des Chaussées représente l’une des avancées les plus significatives récentes dans l’évaluation de l’état des chaussées. Les drones équipés de caméras haute résolution, de scanners LiDAR et de capteurs thermiques peuvent collecter des données sur l’état des chaussées plus rapidement, plus sûrement et avec plus de détails que les relevés manuels traditionnels.
Une inspection de chaussée par drone suit généralement un flux de travail structuré. Le logiciel de planification de vol définit la zone de relevé (piste, réseau de voies de circulation, aire de trafic), l’altitude de vol (généralement 30–60 mètres au-dessus du sol), les paramètres de recouvrement (80 % de recouvrement frontal et 60–75 % de recouvrement latéral pour la photogrammétrie) et la trajectoire de vol. Pendant la mission, le drone capture des images superposées qui sont traitées à l’aide de la photogrammétrie Structure par le Mouvement (SfM) pour générer des orthomosaïques haute résolution (distance d’échantillonnage au sol typique de 2–5 mm/pixel) et des modèles numériques de surface (MNS). Les drones équipés de LiDAR produisent des nuages de points 3D avec une précision verticale centimétrique, permettant une mesure précise de l’orniérage, des affaissements, des soulèvements et de la pente transversale.
Les algorithmes de vision par ordinateur et d’apprentissage profond — en particulier les réseaux de neurones convolutionnels (CNN) et les architectures basées sur les transformeurs — analysent l’imagerie orthomosaïque pour détecter et classer les dégradations des chaussées. Les modèles peuvent identifier les schémas de fissuration (peau de crocodile, longitudinale, transversale, en blocs), quantifier la largeur et la longueur des fissures, détecter les éclats, le désenrobage, les raccommodages et la déformation de surface, et classer les niveaux de sévérité des dégradations selon les définitions ASTM D5340 ou D6433. Le résultat est une carte de dégradations encodée SIG montrant le type, la sévérité, la densité et l’emplacement de chaque défaut identifié, qui est ensuite automatiquement traitée pour calculer le PCI au niveau de la section selon les procédures ASTM.
Les avantages de la collecte de données PMS par drone sont substantiels. La vitesse de relevé est considérablement plus rapide — une piste complète peut être inspectée en moins de 30 minutes contre plusieurs heures pour un relevé manuel à pied. La sécurité est améliorée en éliminant l’exposition des inspecteurs aux opérations aériennes actives et aux dangers des zones de circulation. La cohérence des données élimine la variabilité inter-inspecteur dans l’identification des dégradations et l’évaluation de la sévérité. L’orthomosaïque haute résolution fournit un enregistrement visuel permanent qui peut être réanalysé avec des algorithmes futurs plus avancés. Les limitations incluent la dépendance aux conditions météorologiques (impossible de voler sous la pluie, les vents forts ou les nuages bas), les contraintes réglementaires (autorisation de l’espace aérien, restrictions de vol hors de la ligne de vue), le temps de traitement pour les grands ensembles de données et le besoin actuel de vérification manuelle de la classification automatisée des dégradations pour garantir la précision.
Un PMS doit communiquer efficacement ses conclusions à diverses parties prenantes — des ingénieurs de chaussées aux directeurs d’aéroport en passant par les autorités réglementaires. Les mesures de performance et les rapports transforment les données brutes et les résultats analytiques en informations pertinentes pour la prise de décision.
L’indicateur de performance le plus fondamental du PMS est le PCI moyen du réseau — l’indice d’état moyen sur l’ensemble des sections de chaussée, pondéré par superficie ou par importance fonctionnelle. Bien que simple, cet indicateur masque des variations significatives et doit être complété par des métriques de distribution : le pourcentage de la superficie du réseau en bon état (PCI 71–100), en état moyen (PCI 56–70), en mauvais état (PCI 41–55) et en état défaillant (PCI 0–40). L’arriéré d’entretien différé mesure le coût des traitements nécessaires pour toutes les sections actuellement en dessous du seuil d’état minimal acceptable. L’écart de financement compare les dépenses annuelles actuelles au montant nécessaire pour maintenir les niveaux d’état cibles. La durée de vie restante estime la durée de vie attendue de chaque section selon les taux de détérioration actuels. L’efficacité des traitements suit la performance réelle des traitements par rapport aux prédictions du modèle, permettant un calibrage et une amélioration continus.
La FAA exige des rapports spécifiques de gestion des chaussées pour les aéroports participant à l’AIP. Les rapports standard incluent un Rapport d’État des Chaussées résumant l’état actuel par type de chaussée et usage fonctionnel, une Liste de Priorité des Projets classant les projets de réhabilitation et de reconstruction par besoin et rapport bénéfice-coût, un Rapport des Besoins Budgétaires montrant les besoins de financement pour atteindre les niveaux d’état cibles et les conséquences des scénarios de financement alternatifs, et un Résumé Exécutif communiquant les principales conclusions et recommandations aux décideurs non techniques. L’American Association of Airport Executives (AAAE) et le Transportation Research Board (TRB) ont publié des directives supplémentaires sur les formats de rapport de gestion des chaussées et les définitions des mesures de performance pour soutenir un étalonnage cohérent entre les aéroports.
Les plateformes PMS modernes fournissent des tableaux de bord interactifs qui consolident les affichages des ICP, les graphiques de tendance (PCI en fonction du temps, allocation budgétaire dans le temps, distribution des types de traitement), les cartes d’état SIG et les listes de projets sur un seul écran. Les utilisateurs peuvent filtrer par type de chaussée, branche, plage d’état ou besoin de traitement, descendre des résumés au niveau du réseau aux détails de section individuels, et exporter des rapports personnalisés au format PDF, Excel ou SIG. Les tableaux de bord avancés intègrent des graphiques de comparaison de scénarios montrant l’état projeté selon différentes hypothèses de financement et des alertes de performance lorsque les sections tombent en dessous des seuils d’état critiques.
Un Système de Gestion des Chaussées est un outil d’aide à la décision essentiel pour toute organisation responsable de la gestion des actifs de chaussées — qu’il s’agisse d’une agence routière d’État, d’un service municipal de travaux publics ou d’un exploitant aéroportuaire. En collectant et analysant systématiquement les données d’état, en prédisant la détérioration future, en identifiant les traitements rentables et en optimisant les stratégies d’investissement pluriannuelles, un PMS permet aux agences de maximiser la durée de vie de leurs investissements en chaussées tout en minimisant les coûts totaux du cycle de vie. L’évolution de la technologie PMS se poursuit, avec l’intégration SIG, la modélisation de détérioration basée sur l’IA, la collecte de données assistée par drone et les plateformes logicielles basées sur le cloud qui étendent les capacités et l’accessibilité de ces systèmes.
Pour les aéroports, le PMS n’est pas simplement une commodité de gestion mais une exigence de conformité réglementaire. FAA PAVEAIR fournit une plateforme gratuite et conforme aux normes qui permet aux aéroports de toutes tailles de répondre aux assurances de subventions et de gérer efficacement leurs réseaux de chaussées. La qualité des résultats du PMS reste cependant fondamentalement dépendante de la qualité de ses entrées — des données d’état précises, cohérentes et opportunes constituent le fondement sur lequel toutes les capacités analytiques sont bâties. TarmacView fournit les services de collecte et d’analyse de données d’état qui alimentent les plateformes PMS avec des données fiables de PCI, d’IRI et de dégradations, permettant aux agences de réaliser tous les bénéfices de leur investissement dans la gestion des chaussées.
Tirez parti de la gestion des chaussées basée sur les données pour prolonger la durée de vie des actifs, réduire les coûts du cycle de vie et garantir la conformité réglementaire. TarmacView fournit les données d'état dont votre PMS a besoin.
La Surveillance de la Santé Structurelle (SHM) est le suivi continu ou périodique à long terme, basé sur des capteurs, de l'état et des performances d'une struc...
Glossaire complet des termes de la gestion des actifs d'infrastructure, couvrant les concepts clés tels que le cycle de vie, l'évaluation de l'état, les stratég...
La réhabilitation des chaussées englobe les améliorations structurelles majeures visant à prolonger la durée de vie des chaussées au-delà de l'entretien courant...
