Résumé
La caractérisation des aléas géologiques nécessite une bonne connaissance de la structure du sous-sol.Pour répondre à ce besoin, les méthodes de prospection géophysique telles que la tomographie derésistivité électrique (ERT) sont très souvent utilisées pour imager ces structures en proche surface.L’obtention de ces images se déroule en deux temps : 1/ l’acquisition de données de résistivitésapparentes sur le terrain, (2) puis la résolution d’un problème inverse permettant de reconstituer ladistribution spatiale des résistivités dans le sous-sol. L’image ainsi obtenue est indirecte, non-uniqueet présente une résolution qui varie en fonction de la profondeur d’investigation, du dispositif utilisé(Dipôle-Dipôle, Wenner, gradient…), de sa géométrie (écartement entre électrodes, extension…), etde par la nature même du sous-sol.Il est aujourd’hui très simple de mettre en œuvre ces méthodes et de traiter les données acquises àl’aide de logiciels commerciaux ou libres, comme par exemple avec PyGimlii, qui est une bibliothèquelibre en Python. Ce logiciel permet l’inversion des données et une estimation de la sensibilité dumodèle par le calcul des dérivées de Fréchet. PyGimli effectue ce calcul dans des modèles homogèneset non dans le modèle inversé final ce qui limite son utilisation pour discuter de la résolution durésultat.Pour dépasser cette limitation, nous proposons ici une nouvelle méthode basée sur la densité decourant électrique et sur la précision de l’appareil de mesure. Cette nouvelle approche permet demasquer les zones non résolues du modèle et de quantifier les erreurs pouvant être présentes. Bienque plus coûteuse en temps de calcul, cette méthode s’applique aux modèles hétérogènes quelle quesoit la configuration du quadripôle utilisé (Wenner, Wenner-Schlumberger, Dipôle-Dipôle). De plus,cette nouvelle approche de la sensibilité permet d’évaluer l’incertitude dans chaque maille du modèle,ce qui peut servir de « grille de lecture » des résultats de l’inversion a posteriori. Cette approchepermet également de prendre en compte la position et la géométrie des mailles du modèle.Nous illustrons ici cette approche par des tests synthétiques et nous l’appliquons à des jeux de donnéesacquises sur un glissement de terrain et une faille active.