Dashboard ESRI / Gestion de l'eau

📝 Projet de suivi de la ressource en eau potable en Nouvelle-Calédonie

Contexte : Dans le cadre de mes fonctions au sein d’une association environnementale, j’ai assuré la responsabilité du pôle système d’information et projets géomatique. Une mission simple m’a été confié pour concevoir un tableau de bord territorial de suivi de la ressource en eau potable à l’échelle de la Nouvelle-Calédonie, à destination d’une institution publique (DAVAR).

Objectifs :

  • Identifier, formaliser et produire une dizaine d’indicateurs géographiques pertinents pour le suivi de la ressource.
  • Construire une solution technique pérenne et reproductible, évolutive à long terme.
  • Automatiser le traitement et l’agrégation des données géographiques vectorielles (fournies par le commanditaire).

Rôle et actions :

  • Conception et développement d’un framework de traitements géospatiaux scriptés (Python/GDAL, YAML), avec des étapes de croisement géométrique, filtrage, agrégation, etc.
  • Structuration des données selon une logique bronze / argent / or (modèle de Data Lakehouse adapté aux données géographiques).
  • Mise en place d’un catalogue de données et de modèles standardisés pour faciliter l’analyse multi-échelles.
  • Refus explicite des traitements manuels (type QGIS), au profit d’un système industrialisé, reproductible et documenté.
  • Dialogue constant avec les partenaires publics pour affiner les indicateurs et anticiper les usages futurs, applicant ainsi une approche agile.

Résultats et impacts :

  • Livraison réussie de la première version du tableau de bord et des indicateurs.
  • Adoption du framework comme socle technique pour l’ensemble des projets environnementaux future de l’observatoire.
  • Gain de temps significatif dans les projets ultérieurs et meilleure fiabilité des traitements.
  • Structuration d’une culture de traitement automatisé et maintenable au sein de l’équipe.

Enseignements :

  • L’importance d’imposer une vision technique claire et robuste, même lorsqu’elle diverge des pratiques en place.
  • La pédagogie et la formation est un facteur clé pour faire adhérer les équipes à des outils techniques plus avancés.
  • Un choix méthodologique assumé peut générer un effet levier durable à l’échelle d’une organisation.

Compétences exploitées

Data Visualisation
Data Management
Python Development
Data Automation
Data Lakehouse
Data Processing
Data Analysis
Data Engineering

Technologies utilisées

Python

GDAL

YAML

DBT

ArcGIS Online

ArcGIS

Bibliothèques Python

  • Pandas

    Bibliothèque pour la manipulation et l'analyse de données.

  • rasterio

    Lecture et écriture de données raster géospatiales.

  • geopandas

    Extension de Pandas pour travailler avec des données géospatiales.

  • intake

    Découverte, gestion et accès aux données.

  • Dask

    Traitement parallèle de données à grande échelle.