
Le contrôle qualité des Points d’Eau Incendie, un levier pour la sécurité urbaine
-2.png?width=798&height=690&name=User%20Case%20Hubspot%20(12)-2.png)
Industry
Sécurité civile
Le challenge
Garantir la qualité et la précision de plus de 700 Points d’Eau Incendie à Nanterre, en croisant des bases de données hétérogènes et souvent discordantes.
La solution et les résultats
La ville a mis en place un système automatisé de contrôle qualité via FME et des API, permettant un suivi quotidien, une détection des anomalies et une meilleure coordination entre acteurs. Résultat : un référentiel fiable au service des secours.
La plateforme
ArcGIS
Le croisement automatisé de nos données a révélé des écarts que nous ne pouvions détecter manuellement. Ce processus rigoureux nous donne une vision fiable et partagée, indispensable pour la sécurité publique.
Christophe Wlodaz, Responsable du secteur SIG
Mairie de Nanterre

Mairie de Nanterre
La mairie de Nanterre administre une ville dynamique de près de 100 000 habitants, située aux portes de Paris et du quartier d’affaires de La Défense. Elle gère un territoire de 12 km², avec plus de 2 500 agents municipaux. Nanterre est un pôle étudiant majeur, accueillant plus de 30 000 étudiants. Elle combine développement urbain, infrastructures modernes et services publics innovants. La collectivité s’appuie fortement sur les outils numériques, notamment en géomatique, pour piloter ses actions.
Un enjeu vital pour les services de secours
Avec près de 100 000 habitants, Nanterre est une des villes les plus dynamiques et denses d’Île-de-France. Sa proximité avec La Défense, ses infrastructures sportives de rayonnement européen et la densité de son tissu urbain nécessitent une vigilance constante en matière de sécurité civile. Parmi les dispositifs clés de la défense contre l’incendie : les Points d’Eau Incendie (PEI), dont la disponibilité, la localisation et l’entretien conditionnent l’efficacité des pompiers.
Consciente de ces enjeux, la Ville de Nanterre a mis en place une démarche ambitieuse de contrôle qualité de ses PEI. L’objectif ? Croiser, fiabiliser et surveiller les données issues de plusieurs sources pour garantir une information à jour, exhaustive et précise.
Un contexte réglementaire et technique complexe
Le projet trouve son origine dans l’évolution réglementaire initiée en 2011 avec la loi sur la Défense Extérieure Contre l’Incendie (DECI), précisée en 2015 par décret. Depuis, la responsabilité des collectivités en matière de PEI s’est accrue, notamment en termes de cartographie, d’entretien et de conformité.
Mais à Nanterre, la réalité technique est plus complexe : trois bases de données coexistent – celles de la Brigade de Sapeurs-Pompiers de Paris (BSPP), du gestionnaire délégué (CDA) et du Référentiel Topographique à très Grande Échelle (RTGE) – sans interopérabilité naturelle. Des écarts fréquents entre ces sources rendaient le pilotage difficile et les contrôles manuels fastidieux.
Un travail de structuration des données
Face à cette complexité, le secteur SIG de la mairie (2 agents dédiés et 6 référents) a conçu une stratégie en plusieurs étapes :
-
Qualification des données : chaque source (BSPP, CDA, RTGE) a été analysée selon plusieurs critères (exhaustivité, précision XY, domanialité, disponibilité, cohérence des ID).
-
Modélisation commune : un modèle de données unique a été défini, inspiré du schéma national de data.gouv.fr, afin de faciliter les croisements et contrôles.
-
Création d’une couche pivot : il s’agit d’un référentiel unique de points de contrôle, servant de lien entre les trois sources. Les distances entre les points réels et les données ont été calculées, visualisées, puis tracées pour mettre en évidence les anomalies.
-
Choix d’une symbologie lisible : pictogrammes par type de source, couleurs selon domanialité et disponibilité.
L'automatisation au cœur du processus
Pour fiabiliser et rendre le contrôle pérenne, plusieurs scripts ont été créés via FME, le logiciel d’ETL utilisé par la ville :
-
Connexion API avec Remocra (BSPP) et Daxium (CDA) pour automatiser la récupération des données.
-
Traitement croisé avec la couche pivot : contrôles d’exhaustivité, de distance, de cohérence des identifiants.
-
Intégration des panneaux indicateurs pour vérifier la conformité entre ce qui est visible sur le terrain et les données numériques (distance affichée, identifiant PEI, emplacement sur candélabre…).
-
Exécution quotidienne des scripts via le Gestionnaire de Traitement FME (GTF).
Des résultats chiffrés révélateurs
L’analyse automatisée a permis de mettre en lumière plusieurs écarts significatifs :
-
96 PEI absents du RTGE, pourtant référentiel interne.
-
32 cas de disponibilité incohérente entre BSPP et CDA.
-
99 cas de domanialité discordante, dont certains PEI privés entretenus à tort par la ville.
-
14 PEI positionnés à plus de 40 m de leur emplacement réel.
Ces chiffres mettent en évidence l’importance du travail de croisement de données et l’intérêt d’un référentiel unique.
Difficultés et enseignements
Malgré les réussites, plusieurs obstacles ont jalonné le projet :
-
Incompatibilités API : des subtilités comme le décalage dans les index (commençant à 0 ou 1) ou des limitations de résultats rendaient l’extraction des données difficile.
-
Manque d’uniformité des outils : les techniciens des délégataires se retrouvent confrontés à une multiplicité d’outils, freinant l’harmonisation.
-
Différences de périodicité de contrôle : entre la CDA et la BSPP, les fréquences d’inspection diffèrent, rendant certaines comparaisons peu fiables.
Malgré cela, le processus a été salué pour sa rigueur et son adaptabilité.
Une démarche en constante évolution
Les perspectives d’amélioration sont nombreuses :
-
Injection des données précises du RTGE dans les outils de la CDA et de la BSPP.
-
Utilisation de l’intelligence artificielle pour lire automatiquement les informations des panneaux (via OCR).
-
Intégration des vues immersives à 360° pour limiter les déplacements terrain.
-
Mise en œuvre de nouveaux contrôles (fixation des panneaux, hauteur réglementaire…).
Mais surtout, le principal enseignement tient à la centralisation des données sur les serveurs de la collectivité, condition sine qua non pour garantir l’indépendance et la continuité du contrôle.