Stage - Consolidation d'Un Modèle de Prévision des Événements Naturels en Montagne à Partir de la Bd-Rtm H/F - Office National des Forêts

Un métier au service de la forêt et du bois, y avez-vous pensé ?

Être ONF, c'est rejoindre les 8200 femmes et hommes qui se mobilisent pour:

• Valoriser la ressource en bois

• Agir pour l'environnement

• Accueillir le public en forêt

• Prévenir les risques naturels

• Proposer des prestations et services sur-mesure

La Direction Territoriale Auvergne Rhône Alpes (DT AURA) recouvre un territoire à caractère forestier qui représente 2,5 millions d'hectares, soit 36% de surface boisée, et variée (montagnes, zones de plaines, influence méditerranéenne). Près de 900 collaborateurs sont mobilisés au service de la filière forêt bois et du développement des territoires.

L'agence Restauration des Terrains de Montagnes Alpes-du-Nord regroupe une quarantaine d'agents répartis entre l'Isère, la Savoie et la Haute-Savoie. Les personnels techniques du RTM bénéficient de l'appui des équipes de soutien de l'ONF (RH, compta, SIG, informatique...).

La mission principale de l'agence RTM Alpes du Nord est la prévention des risques naturels en montagne, sous forme de missions d'intérêt général (MIG) pour le compte des deux ministères de tutelles de l'ONF (MASA et MTECT) et d'actions complémentaires dans le champ concurrentiel, principalement pour les collectivités.

Les principaux domaines d'activités sont : l'ingénierie-travaux, les études et les expertises liées aux risques naturels, la connaissance et l'affichage des risques naturels et le conseil aux préfectures/services de l'Etat et aux collectivités territoriales.

Le stage sera basé à Grenoble, au sein de l'Agence RTM Alpes du Nord, et conduit en lien avec la Délégation nationale des risques naturels de l'ONF. Le stagiaire travaillera avec les experts chargés de la BD-RTM, de l'analyse des risques et du changement climatique, ainsi qu'avec les partenaires scientifiques associés au projet, notamment Météo-France et INRAE.

Contexte de travail

La connaissance des événements naturels en montagne repose en grande partie sur les bases de données événementielles, comme celle de l'ONF-RTM (BD-RTM), qui constitue aujourd'hui l'un des inventaires les plus complets pour les phénomènes hydro-gravitaires dans les Alpes et les Pyrénées. Les principaux phénomènes recensés sont les crues torrentielles, les glissements de terrain, les avalanches et les chutes de blocs. Cette base constitue un inventaire renseigné par les agents RTM des phénomènes survenus dans un secteur et au cours d'une période déterminée (appelé évènements). Son exploitation à des fins de modélisation prédictive reste donc complexe en raison notamment de son caractère non exhaustif, de l'hétérogénéité spatiale des sites recensés et du déséquilibre marqué entre journées avec et sans événement.

En 2025, un premier stage de 3 mois a permis d'explorer la faisabilité de développer un outil de prédiction des événements naturels en montagne en combinant la BD-RTM avec les données météorologiques spatialisées de Météo-France. Ce stage a conduit au développement d'une première chaîne de traitement et d'un modèle expérimental appliqué aux crues torrentielles dans le massif du Vercors. Les résultats mettent en évidence une relation entre certaines variables météorologiques, principalement les précipitations, et les événements recensés.

Ce premier travail a également fait ressortir plusieurs questions qui doivent être approfondies avant d'envisager une généralisation ou une utilisation opérationnelle : définition précise de l'objet prédit, choix de l'échelle spatiale, sélection des variables météorologiques, traitement du déséquilibre des données et validation temporelle et géographique du modèle.

Objectif et missions

Le présent stage a pour objectif de poursuivre les travaux débutés en 2025 afin de consolider le modèle de prévision des évènements développé et d'évaluer son application à d'autres massifs et phénomènes dans les Alpes et les Pyrénées. Le travail portera sur les crues torrentielles et les mouvements de terrain.

Si les performances du modèle sont confirmées, une réflexion pourra être menée sur l'opportunité d'utiliser un tel outil de manière opérationnelle au sein de la chaine d'acteurs impliqués dans l'anticipation et la gestion de crise. Des réflexions pourront aussi être menées sur son utilisation pour analyser l'évolution à long terme des conditions météorologiques favorables à l'occurrence d'évènements dans le contexte actuel de changement climatique.

Les principales missions du stagiaire seront les suivantes :

Ø Appropriation des travaux effectués lors du précédent stage (rapport, codes), de la BD-RTM, et réalisation d'un état de l'art sur la prévision des phénomènes naturels à partir de données événementielles et météorologiques (notamment méthodes de machine learning).

Ø Echanges avec le Centre d'Etude de la Neige de Météo France afin d'identifier le produit météorologique le plus adapté, de préciser l'échelle spatiale et les variables à retenir et de bénéficier de son expérience de la prévision des avalanches par machine learning.

Ø Reprise des codes existants et analyse des choix méthodologiques réalisés lors du précédent stage concernant la définition de l'événement à prévoir, l'échelle spatiale, le choix des variables météorologiques, le déséquilibre entre événements et non-événements et la constitution des jeux d'apprentissage et de test.

Ø Amélioration du modèle et évaluation sur d'autres régions et phénomènes sur la période passée (réanalyse météorologique).

Ø Test d'application du modèle à partir de données de prévision météorologique.

Ø Réflexion et mise en forme d'un outil de prévision utilisable en opérationnel au RTM, de manière simple et rapide pour des personnels non-initiés au code informatique ou au machine learning.

Ø Réflexion sur l'utilisation possible d'un tel outil pour l'anticipation et l'appui à la gestion de crise qui mobilise de nombreux acteurs (préfecture, DDT, services de secours, Météo France, ONF-RTM, gestionnaires de cours d'eau ou de réseaux, collectivités concernées).

Ø Réflexion prospective sur l'utilisation possible du modèle pour analyser l'évolution passée et future des conditions météorologiques favorables à l'occurrence d'événements dans le contexte du changement climatique.

Ø Valorisation des travaux dans un rapport de stage, documentation des codes et de la chaîne de traitement, et présentations internes et externes lors de COPIL avec les partenaires.

Ø Contribution à la préparation d'un article scientifique selon les résultats obtenus et le niveau de maturité des travaux.

Conditions particulières :

Mise en place d'un comité de pilotage associant l'ONF-RTM, Météo France, l'INRAE et l'IGE. Ce comité sera réuni aux principales étapes du travail, notamment pour le cadrage méthodologique, le choix des données et l'analyse des résultats.

Météo France est l'organisme producteur de la donnée météorologique mobilisée. Il apportera son expertise sur l'utilisation des produits météorologiques et du machine learning appliquées à la prévision des avalanches.

L'INRAE est très investie dans les travaux portant sur l'évolution des risques en montagne et possède une expertise forte sur l'exploitation de bases de données évènement, la modélisation des événements rares et l'évaluation des modèles.

Formations, certificats ou autres habilitations nécessaires :

Étudiant(e) en Master 2 ou en dernière année d'école d'ingénieur dans les domaines des statistiques, de la science des données, des mathématiques appliquées, des géosciences ou de l'environnement, avec une solide compétence en traitement de données.

Connaissances recherchées :

- Statistiques et méthodes de machine learning ;

- Programmation (R, Python) ;

- Traitement de données et évaluation de modèles prédictifs ;

- Pratique des SIG (Qgis/ArcGIS) ;

- Des connaissances de bases sur les phénomènes naturels/la météorologie en montagne seraient appréciées.

Qualités requises :

Intérêt pour la recherche opérationnelle, le code, les risques naturels en montagne, les politiques publiques.

Rigueur, esprit critique, motivation, autonomie et humilité.

Date prévisionnelle du stage : février - juillet 2027

• Statistiques
• Gestion des données
• Python
• Programmation
• ArcGIS
• Gestion de crise
• Autonomie
• Machine learning
• SIG