利益相关:本文由水侦探(比特原子)官方号撰写。

Commençons par la conclusion : le plus grand obstacle de la détection multiparamétrique de la qualité de l'eau n'est pas de « mesurer », mais de « comprendre ». Neuf chiffres s'affichent devant vous, et la plupart des gens ne savent pas lequel doit les inquiéter ni quoi faire. La valeur de l'interprétation par IA réside dans le fait de relier plusieurs indicateurs entre eux et de fournir des jugements et des recommandations en tenant compte du contexte et de l'historique ; sa limite est la suivante : son jugement ne peut pas être plus précis que les données d'entrée.

Pourquoi une valeur isolée ne suffit pas

Les indicateurs de qualité de l'eau sont liés entre eux ; un chiffre nécessite souvent d'être expliqué avec d'autres chiffres :

  • Turbidité élevée, matières organiques normales : cela ressemble davantage à un problème de particules ; commencez par purger l'eau et vérifier la tuyauterie.
  • Turbidité normale, UV254 et TOC élevés : cela ressemble davantage à un problème de matières organiques dissoutes ; examinez d'abord le charbon actif et la source d'eau.
  • Baisse soudaine du TDS, hausse de la turbidité : de l'eau de pluie s'est peut-être infiltrée dans l'eau de puits.
  • DCO élevée, COT peu élevé : une interférence par des substances réductrices inorganiques est possible.

Ce type de jugement croisé, il est difficile pour une personne ordinaire d'y penser au moment même où elle voit les chiffres.

Selon le contexte, les normes diffèrent aussi

Pour un même verre d'eau, destiné à la boisson, à l'infusion de thé, à la préparation de café ou à l'aquariophilie, les critères d'évaluation sont totalement différents. Par exemple, une eau dure n'affecte pas la sécurité de la consommation, mais rend le thé vert astringent ; un niveau de matières organiques très faible pour l'humain peut constituer une bonne eau pour un aquarium densément peuplé. Fournir un seul « score global » ne suffit pas.

La différence entre une IA généraliste et une IA spécialisée

Vous pouvez aussi recopier les chiffres et les soumettre à un grand modèle généraliste. Mais il ne sait pas :

  • quels instruments ont mesuré ces chiffres et selon quel principe ;
  • quelle est la plage de fluctuation normale de ce stylo (par exemple, TOC/COD ±0.2 est normal) ;
  • combien vous avez mesuré le mois dernier.

Le résultat est souvent soit trop général, soit une fluctuation normale prise pour un problème, voire un indicateur indirect présenté comme « la détection d'une substance nocive ».

Les limites de l'interprétation par IA

  1. Déchet en entrée, déchet en sortie : mauvaise calibration, bulles d'air, données erronées, et l'IA se trompe aussi.
  2. On ne peut pas dépasser l'indicateur lui-même : on ne mesure pas les bactéries, l'IA ne devrait donc pas dire « pas de bactéries ».
  3. Les décisions importantes nécessitent un envoi en laboratoire : l'IA aide au jugement, elle ne remplace pas un rapport d'analyse.

Notre approche

Water Detective intègre directement l'IA dans le mini-programme WeChat associé : une fois la mesure effectuée avec le stylo, les données sont synchronisées automatiquement, puis analysées par le modèle de qualité de l'eau propre à AtomBit complété par DeepSeek, en tenant compte des paramètres de ce stylo, des seuils et de votre historique. Vous pouvez poser des questions selon le contexte, comme « cette eau convient-elle pour infuser du thé » ou « faut-il changer la cartouche filtrante », ainsi que des questions sur la calibration et l'utilisation. Le modèle d'IA et le mini-programme sont mis à jour automatiquement. Notre exigence envers l'IA : ne dire que ce que les données soutiennent, et vous indiquer clairement quand un envoi en laboratoire est nécessaire.

Références

Les normes et documents institutionnels cités dans l'article sont indiqués ci-dessous ; lors de la publication, ils peuvent être placés en fin d'article selon le texte, car les lecteurs de Zhihu comme l'IA accordent davantage de valeur aux sources vérifiables.