Qu'est-ce qu'une note de qualité dans l'évaluation de l'état des chaussées ?

Classification de la qualité de surface (échelle 1 à 5) pour l’état des chaussées

Définitions de l’échelle de qualité 1 à 5

Un système de note de qualité traduit l’aspect visuel d’une surface de chaussée sur une échelle ordinale de 1 à 5, où 1 représente une surface Excellente et 5 une surface Très mauvaise. Cette classification en cinq niveaux reprend les notations catégorielles ordonnées utilisées dans la gestion des chaussées. C’est une notation visuelle grossière, et non un protocole fondé sur les dégradations comme l’indice de condition de chaussée. Les agences peuvent faire correspondre ses cinq niveaux à leurs propres seuils d’entretien et de réhabilitation.

TarmacView ne produit pas de notes de qualité. Cette page explique le concept et la manière dont les agences et les chercheurs l’utilisent.

Les cinq notes sont généralement décrites comme suit.

Note 1, Excellent. Aucun défaut visible d’aucune sorte. La texture de surface est uniforme, sans fissuration, désenrobage, nid-de-poule, rapiéçage ou ressuage. La surface paraît fraîchement construite ou récemment réhabilitée, et les joints, s’il y en a, sont serrés et scellés.

Note 2, Bon. Usure légère sur une surface structurellement saine. De très légères fissures peuvent être présentes, mais elles sont étroites (1/8 inch au plus) et ne présentent ni écaillage, ni désenrobage notable, ni rapiéçage. Une légère oxydation ou un léger changement de couleur est possible. Un entretien préventif de routine, comme le scellement des fissures ou un enduit de scellement, suffit.

Note 3, Acceptable. Chaussée dans un état acceptable : des dégradations visibles sont présentes, mais la surface reste utilisable. Fissuration modérée transversale, longitudinale ou en dalles, avec des largeurs allant jusqu’à environ 1/4 inch, léger désenrobage, et rapiéçage sur une faible part de la surface (généralement moins de 10%). Les enduits gravillonnés, le micro-revêtement ou les minces couches de roulement sont des traitements de préservation envisageables.

Note 4, Mauvais. Dégradations importantes qui affectent le confort de roulement. Fissuration modérée à sévère, y compris la fissuration de fatigue (en peau de crocodile) dans les traces de roues, fissures de plus de 1/4 inch avec écaillage aux bords, désenrobage modéré à avancé, rapiéçage sur 10-30% de la surface, et orniérage possible. La chaussée a besoin d’une réhabilitation, par exemple un renforcement structurel ou une opération de fraisage et recharge.

Note 5, Très mauvais. La pire catégorie. Fissuration sévère et étendue, fissuration de fatigue avancée avec morceaux de surface détachés, nids-de-poule possibles, désenrobage avancé, rapiéçage sur plus de 30% de la surface ou rapiéçages défaillants, et orniérage profond possible. La surface peut présenter des risques pour la sécurité et nécessite une reconstruction ou une réhabilitation majeure.

Cette échelle de 1 à 5 est volontairement plus grossière que l’échelle continue de 0 à 100 du PCI. Cette granularité correspond à la précision de la notation visuelle et aux niveaux de décision habituels à l’échelle d’un réseau.

Comment les agences notent les tronçons

Les agences notent l’état des chaussées depuis longtemps par relevé manuel. Des évaluateurs formés parcourent le réseau à 15-25 mph, jugent chaque tronçon à l’œil ou sur vidéo enregistrée, et consignent une note ou un ensemble de notes de dégradation. Le processus est lent et sujet à la variabilité entre évaluateurs. Même avec une formation et une certification, deux évaluateurs peuvent attribuer des notes différentes au même tronçon, et le document FHWA Practical Guide for Quality Management of Pavement Condition Data Collection identifie la reproductibilité comme l’un des problèmes les plus difficiles des relevés manuels.

La collecte par imagerie change la façon dont les images sont recueillies, avec des véhicules roulant à la vitesse de la circulation et équipés de caméras en toit, mais la note doit toujours être attribuée, soit par des personnes qui regardent les images, soit par un modèle. Les modèles sont attractifs parce qu’ils sont reproductibles : la même image donne la même note à chaque exécution.

La notation par embeddings et kNN dans la recherche

Une approche de recherche évite un réseau de classification traditionnel doté d’une couche de sortie softmax. Chaque vignette d’image de chaussée passe dans un transformateur de vision pré-entraîné par apprentissage auto-supervisé sur une très vaste collection d’images, comme la famille de modèles DINO. La sortie est un vecteur d’embedding, une empreinte numérique compacte du contenu visuel de la vignette, qui capture la texture locale, comme le grain de surface, les motifs de fissures et l’exposition des granulats, ainsi que la structure globale, comme les joints et la géométrie de la voie.

L’embedding est comparé à un ensemble de référence, c’est-à-dire une collection d’embeddings de vignettes dont les notes ont été fixées par des évaluateurs experts. La mesure habituelle est la similarité cosinus :

cosine_similarity(A, B) = (A · B) / (||A|| × ||B||)

où A et B sont les deux vecteurs d’embedding. Elle varie de -1 (opposés) à 0 (sans rapport) puis à +1 (même direction).

Les k plus proches voisins de la vignette dans l’ensemble de référence votent chacun pour leur note d’expert, et la majorité est attribuée à la vignette. Un voisinage d’environ cinq est un choix courant. Les égalités peuvent être départagées en pondérant chaque vote par sa similarité. Par rapport à une tête de classification entraînée, un vote des plus proches voisins présente plusieurs avantages pratiques :

• Une surface qui ressemble à la fois aux références de note 3 et de note 4 reçoit une note qui reflète cette ambiguïté, au lieu d’être forcée de part et d’autre d’une seule frontière de décision.
• L’ensemble de référence peut être enrichi de nouvelles vignettes notées par des experts sans réentraîner le modèle de base.
• Une vignette qui ne ressemble à aucune référence peut être signalée comme hors distribution, ce qui indique un type de surface ou un état que l’ensemble de référence ne couvre pas.

L’encodeur d’embeddings peut aussi être affiné par apprentissage contrastif supervisé, qui rapproche les vignettes partageant une même note et éloigne celles qui n’en partagent pas.

Précision du modèle

Un modèle de note de qualité s’évalue avec trois métriques. La précision en correspondance exacte est la part des vignettes qui reçoivent exactement la bonne note. La précision à un rang près est la part des prédictions situées à un rang de la vérité terrain. C’est la métrique la plus significative sur une échelle ordinale, car une vignette de note 2 prédite en note 3 a des conséquences bien moindres qu’une vignette prédite en note 5. L’erreur absolue moyenne (MAE) est la moyenne de |predicted_grade - true_grade| sur l’ensemble des vignettes. Une matrice de confusion montre quelles notes voisines le modèle confond. Les résultats sont généralement validés par validation croisée à k plis contre l’ensemble de référence, et l’accord entre évaluateurs experts fixe une borne supérieure à la performance atteignable par le modèle.

Indépendance vis-à-vis de la qualité et du type de surface

Une note doit décrire l’état indépendamment du fait que la surface soit en asphalte, en béton, en chaussée composite ou en traitement de surface comme l’enduit gravillonné. Les systèmes de recherche tentent d’y parvenir en pré-entraînant l’encodeur sur un corpus d’images varié et en incluant chaque type de surface dans l’ensemble de référence noté, afin que l’embedding réagisse aux caractéristiques pertinentes pour l’état, comme les fissures, le désenrobage, les rapiéçages et la perte de texture, plutôt qu’à la couleur de la surface ou au motif des joints. Qu’un modèle donné soit réellement indépendant du type de surface doit être vérifié sur des surfaces tenues à l’écart, car un modèle entraîné surtout sur un type de surface peut mal noter un autre type.

Agrégation des notes de vignettes par tronçon

Les notes par vignette ne sont pas directement utiles à la gestion, qui raisonne par tronçon. Elles sont donc habituellement agrégées au niveau du tronçon par la médiane, qui résiste bien aux valeurs aberrantes. Une vignette mal classée de deux notes ferait bouger la moyenne mais pas la médiane, et les artefacts passagers, comme les taches d’huile, les traces de pneus, les flaques ou les débris, sont filtrés de la même manière.

Une mesure de confiance peut accompagner la note agrégée. L’écart interquartile (IQR) des notes de vignettes d’un tronçon montre à quel point la surface est uniforme. Un tronçon de médiane 2 avec un IQR de 0 est uniformément bon. Un tronçon de médiane 2 avec un IQR de 2 présente des défauts localisés que la seule médiane masquerait, et une vignette isolée de note 4 ou 5 au sein d’un tronçon par ailleurs bon est un point chaud qui mérite une vérification sur le terrain.

La note de qualité dans l’évaluation de l’état

Une note de qualité peut servir d’entrée à une évaluation globale de l’état d’une chaussée. Au niveau le plus simple, l’état d’un tronçon est sa note médiane, et les agences fixent des seuils de déclenchement qui font passer un tronçon d’une catégorie de gestion à une autre.

Ces déclencheurs ne sont pas figés. Les agences les calibrent selon leurs cycles budgétaires, leurs objectifs de performance et leur tolérance au risque. Une agence bien dotée pourrait déclencher la réhabilitation dès la note 3, tandis qu’une agence contrainte budgétairement attendra peut-être la note 4.

La part du réseau dans chaque note donne un indicateur de santé global, et l’évolution de la note d’un cycle de relevé à l’autre indique le rythme de dégradation. Les tronçons qui perdent une ou plusieurs notes entre deux cycles méritent un examen plus attentif.

Stabilité de la note de qualité

Pour la gestion pluriannuelle des chaussées, une note doit être stable face aux changements qui ne traduisent pas une évolution réelle de la chaussée. La stabilité temporelle signifie qu’un tronçon qui ne s’est pas dégradé reçoit la même note lors de relevés consécutifs. La stabilité à l’éclairage signifie que le soleil direct, le ciel couvert, l’aube et l’ombre ne modifient pas la note, ce à quoi contribue l’augmentation des données par variation de luminosité, de contraste, de saturation et de teinte pendant l’entraînement. La stabilité vis-à-vis de la caméra signifie que des capteurs, objectifs, résolutions et profils colorimétriques différents donnent des notes cohérentes, ce qui repose sur une chaîne de traitement d’image standardisée. Les images prises dans de mauvaises conditions d’éclairage, par exemple la nuit ou à l’ombre marquée, doivent être signalées et exclues.

Note de qualité, PCI et autres indices

Une note sur 1 à 5 coexiste avec les indices d’état de chaussée établis et joue un rôle différent.

L’indice de condition de chaussée (PCI) est un indice continu de 0 à 100, défini par la norme ASTM D6433 pour les routes et les parcs de stationnement, et par la norme ASTM D5340 pour les aéroports. Il se calcule à partir d’un relevé détaillé des dégradations. L’inspecteur identifie chaque type de dégradation présent (19 pour l’asphalte et 15 pour le béton selon la norme D6433), en évalue la sévérité comme faible, moyenne ou élevée, en quantifie l’étendue et applique les valeurs de déduction de la norme. Le PCI est l’indice d’état de chaussée le plus largement utilisé en Amérique du Nord, et de nombreuses agences l’exigent.

Une note de qualité est corrélée au PCI mais ne lui correspond pas linéairement. Un tronçon présentant de nombreuses fissures de faible sévérité (PCI d’environ 45) et un tronçon présentant un seul nid-de-poule sévère mais une surface par ailleurs saine (PCI d’environ 50) pourraient tous deux recevoir la note 3. La note de qualité est une impression visuelle globale, et non un calcul d’ingénierie des dégradations. Une agence qui veut obtenir à partir des notes des résultats compatibles avec le PCI doit donc les calibrer sur le PCI mesuré sur les mêmes tronçons.

Pavement Serviceability Rating (PSR) et Present Serviceability Index (PSI) remontent à l’AASHO Road Test (1958-1960). Le PSR est une note subjective de 0 à 5 attribuée par un panel qui roule sur la chaussée, et le PSI est calculé à partir de la rugosité, de la fissuration, du rapiéçage et de l’orniérage. Une note de qualité s’en distingue parce qu’elle repose sur l’aspect de la surface et non sur le confort de roulement.

L’indice international de rugosité (IRI) mesure la rugosité du profil longitudinal et constitue une mesure fonctionnelle du confort de roulement. Les deux sont complémentaires mais non interchangeables. Une chaussée lisse mais très fissurée a une mauvaise note de qualité et un IRI acceptable, tandis qu’une chaussée soulevée par le gel mais à surface intacte présente le cas inverse. Une image complète de l’état nécessite les deux.

L’indice de qualité de chaussée (PQI) est un indicateur composite combinant l’IRI, l’orniérage et les dégradations de surface, que certaines agences utilisent comme alternative plus simple au PCI. Une note de qualité peut en constituer la composante de dégradation de surface.