Innovation

Explorez nos dernières innovations

Une innovation constante au sein d'hydroclimat

Par la combinaison de modèles d’impact environnementaux de pointe et de projections climatiques haute résolution, Hydroclimat offre à ses clients et partenaires, les informations cruciales dont ils ont besoin sur les risques liés au changement climatique et les événements extrêmes.

Ces informations leur permettent de mener à bien leurs projets et définir leurs politiques territoriales.

L’importance de ces informations et de leur usage nous impose des efforts de recherche permanent pour améliorer en permanence la qualité et la fiabilité des données climat, eau et inondation que nous fournissons.

Nos expertises internes et les enjeux que nous considérons comme déterminants sur la ressource en eau et les inondations nous poussent à des efforts d’innovation en hydroclimatologie numérique à très haute résolution spatiale. Nous croisons notre expertise dans les domaines de l’hydrologie, de l’hydraulique et du changement climatique avec l’intelligence artificielle pour fournir à nos clients des solutions fiables permettant une prise de décision éclairée sur les risques climatiques, l’évolution de la ressource en eau et des zones inondables.

À partir des données climatiques massives et complexes, nous élaborons une vision intelligible et robuste des impacts du changement climatique à l’échelle locale.

Innovation - Inondation en Espagne

Innovation créée par hydroclimat

Le système POP-Risk

Fort de notre expérience en Amérique du Nord, alliant nos compétences du changement climatique, de la ressource en eau et du risque d’inondation combinées à nos techniques de pointe en matière de modélisation numérique que nous sommes parvenus à développer POP-Risk notre « Tech For Good », conçu pour la résolution de l’un des grands enjeux du 21e siècle : l’Adaptation au Changement Climatique.

L’innovation POP-Risk est un système de modélisation multi-risques climat, ressource en eau et inondation intégrant une chaîne de modèles d’impact pour l’évaluation des impacts liés au changement climatique.

Cette innovation a été financée partiellement par le Gouvernement dans le cadre de France Relance.

-> En savoir plus 

Logo_France_Relance_vert

Nous créons des solutions technologiques numériques innovantes qui contribuent au développement durable. Hydroclimat développe ses propres technologies numériques. Sa technologie propriétaire M3E©, essence même de POP-Risk, est une technologie de rupture qualifiée DeepTech par BPI France (bourse French Tech Emergence). En effet, M3E© se situe au croisement des dernières avancées de la recherche internationale en :

#1

Data science, multi-sources, big data et IA

#2

Simulation numérique, multi-modèles, statistiques et approche ensembliste

#3

Sciences du climat, hydrologie, hydraulique et changement climatique

#4

Exposition, risque et vulnérabilité au changement climatique

Pluie qui tombe sur le sol - innovation

Notre engagement

Notre engagement dans plusieurs projets de recherche appliquée

Thèse CIFRE

« Analyse des valeurs extrêmes pour l’hydroclimatologie »

Thèse Région Sud-Entreprise

« Utilisation de l’imagerie spatiale pour mieux prévoir et gérer les inondations »

Post-doctorat CNRS

« Prévision des inondations et nouvelles technologies »

Thèse CIFRE

« Résilience de l’agriculture au changement climatique par le développement d’un outil opérationnel d’aide agronomique »

Nos Publications

Nous publions régulièrement

Seasonal Bias Correction of Daily Precipitation over France Using a Stitch Model Designed for Robust Representation of Extremes. Atmosphere 2025, 16, 480

2025
Ear, P.; Di Bernardino, E., Laloë, T.; Lambert, A.; Troin, M.

A semi-parametric distribution stitch based on the Berk-Jones test for French daily precipitation bias correction

2025
Ear, P., Di Bernardino, E., Laloë, T., Troin, M., Lambert, A

Optimizing Spatial Discretization According to Input Data in the Soil and Water Assessment Tool: A Case Study in a Coastal Mediterranean Watershed

2025
Puche, M., Troin, M., Fox, D., Royer-Gaspard, P.

Improving multi-model ensemble streamflow forecasts by combining lumped, distributed and deep learning hydrological models

2025
Armstrong, W., Arsenault, R., Martel, J. L., Troin, M., Dion, P., et al. (2025).

Benefits of upstream data for downstream streamflow forecasting: data assimilation in a semi-distributed flood forecasting model

2024
Royer-Gaspard, P., Bourgin, F., Perrin, C., Andréassian, V., De Lavenne, A., Thirel, G., & Tilmant, F.

Evaluation of Five Reanalysis Products over France: Implications for Agro-Climatic Studies.

2024
Er-Rondi, M., Troin, M., Coly, S., Buisson, E., Serlet, L., Azzaoui, N

Comparing a long short-term memory (LSTM) neural network with a physically-based hydrological model for streamflow forecasting over a Canadian catchment

2023
Sabzipour, B., Arsenault, R., Troin, M., Martel, J.-L., Brissette, F., Mai, J.,

CMIP5 and CMIP6 Model Projection Comparison for Hydrological Impacts Over North America. Geophysical Research Letters, 49, e2022GL098364

2022
Martel, J.-L. Brissette, F., Troin, M., et al.

Generating ensemble streamflow forecasts: A review of methods and approaches over the past 40 years. Water Resources Research 57, e2020WR028392.

2021
Arsenault, R., Huard, D., Martel, J.-L., Troin, M., Mai, J., et al.

Nos partenaires R&D