Le but de cette mission est de développer des méthodes d'intelligence artificielle pour l'intégration et l'analyse de données provenant de sources multiples. L'application de référence concerne les réseaux d'eau urbains, un cas d'étude riche et complexe où des données diverses, hétérogènes et difficiles à interroger doivent être combinées pour répondre à des enjeux majeurs liés aux infrastructures.L'objectif est de proposer une méthode de fusion itérative exploitant les complémentarités entre différentes sources de données afin de maximiser la complétude et la cohérence de l'information. Chaque source, qu'il s'agisse de données SIG, de vidéos d'inspection ou de rapports PDF, est initialement produite pour un usage spécifique, comme la modélisation hydraulique ou la maintenance des conduites. Le travail consiste à analyser comment ces sources peuvent être combinées pour améliorer la compréhension des réseaux d'eau urbains. Il s'agit d'identifier les sources disponibles, de préciser les données qu'elles fournissent, puis de montrer comment chacune, même partielle, contribue progressivement à enrichir les autres, permettant ainsi d'obtenir une représentation plus complète, cohérente et exploitable de l'état des réseaux.Il est d'abord nécessaire d'automatiser le traitement des données non structurées, telles que les vidéos d'inspection ITV et les rapports PDF. La première étape consiste à extraire la structure des réseaux et à identifier d'éventuelles anomalies. Comme les éléments des réseaux d'eau urbains extraits des vidéos d'ITV ne sont souvent pas géolocalisés, il faut ensuite déterminer leur position géographique en s'appuyant sur des données SIG externes. Ces informations pourront alors être visualisées graphiquement, en intégrant des données externes pour mieux comprendre les causes des anomalies.