IA en montagne : ce qui tourne déjà, ce qui reste à prouver

L’IA en montagne n’est plus une promesse de salon. Ainsi, elle guide des dameuses, surveille des télésièges et aide les prévisionnistes d’avalanches. Pourtant, entre les systèmes réellement en service et les annonces des industriels, l’écart reste grand. Ce dossier fait donc le tri : ce qui tourne, ce que cela change sur le terrain, et ce qui reste à prouver.

Damage et neige de culture : l’IA en montagne la plus aboutie

Le damage assisté par les données constitue aujourd’hui l’usage le plus répandu. En effet, le système SNOWsat, conçu par Kässbohrer, le fabricant des dameuses PistenBully, équipe plus de 370 domaines skiables dans le monde selon le constructeur.

Le principe reste simple. Des capteurs mesurent la hauteur de neige sous la dameuse, puis une plateforme croise ces mesures avec la position GPS et la pente. Le conducteur voit alors où la neige manque et où elle abonde. Il peut donc déplacer la neige plutôt que d’en produire.

Les résultats publiés restent toutefois hétérogènes. À Laax, en Suisse, l’exploitant déclare produire environ 10 % de neige de culture en moins, avec aussi moins de gazole et d’heures de travail. Par ailleurs, un chercheur du WSL rapporte que Mayrhofen, en Autriche, avait calculé une économie de 25 à 30 %. Chaque domaine diffère par son exposition, son altitude et son enneigement : un chiffre obtenu ici ne se transpose donc pas ailleurs.

De son côté, TechnoAlpin propose le logiciel ATASSpro. Celui-ci s’appuie sur des prévisions météo pour estimer la quantité de neige productible sur les sept jours suivants. L’enjeu consiste ainsi à produire au bon moment, avec moins d’eau et d’énergie gaspillées.

Remontées mécaniques : des caméras qui assistent les opérateurs

Sur les télésièges, l’IA sert d’abord de troisième œil. Ainsi, la société grenobloise Bluecime installe depuis plusieurs années son système de vision SIVAO. Une caméra placée sur le premier pylône analyse l’embarquement, puis alerte le personnel quand un garde-corps reste ouvert ou qu’un passager adopte une position à risque.

Aux Sybelles, en Savoie, Bluecime indique avoir équipé la quasi-totalité des télésièges de Saint-Sorlin-d’Arves et du Corbier. L’entreprise annonce aussi un comptage des usagers dans la télécabine de la Côte du Bois, à La Toussuire. En outre, elle prépare une solution globale, baptisée SOFTEN, qui modéliserait les flux de skieurs pour ajuster la vitesse des appareils. Selon Bluecime, l’économie d’énergie pourrait atteindre 20 %. Il s’agit néanmoins d’un objectif annoncé, pas d’un résultat mesuré.

A lire : Congrès Domaines Skiables de France 2026 : ce qui se joue

La gare d’arrivée sans personnel, un débat réglementaire

La société suisse Mantis Ropeway Technologies va plus loin. Son système Mantis Autonomy surveille le débarquement par caméra et peut ralentir ou stopper l’appareil. Concrètement, la gare d’arrivée fonctionne alors sans agent permanent. Les premiers permis d’exploitation datent de décembre 2023, puis six autres appareils ont démarré durant l’hiver 2024/25. Le système a d’ailleurs reçu le Swiss Mountain Award le 28 octobre 2025, selon Remontées Mécaniques Suisses.

Pourtant, ce modèle ne s’exporte pas partout. D’après le communiqué de Mountain Planet, la France n’autorise pas ce mode d’exploitation. Dans ce cas, la question dépasse la technique : elle touche aussi à l’emploi saisonnier.

Maintenance prédictive : anticiper la panne plutôt que la subir

La maintenance prédictive vise à détecter l’usure avant la panne. Les constructeurs de transport par câble développent donc des outils de surveillance continue. Leitner analyse ainsi les données de ses capteurs pour repérer la fatigue des câbles, des paliers ou des moteurs. POMA intègre de son côté un monitoring embarqué à ses programmes de rénovation.

Chez Doppelmayr, le système AURO automatise l’exploitation d’une télécabine. Par exemple, à Zermatt, la télécabine Kumme fonctionne avec des gares amont et aval sans agent, supervisées depuis un poste central. Le constructeur parle toutefois de technologie intégrée et de capteurs, pas d’intelligence artificielle. La frontière entre automatisation et IA reste en effet floue dans la communication du secteur.

Enfin, le groupe français MND annonce intégrer l’IA à ses processus d’ingénierie à partir de 2026. L’objectif affiché consiste à dimensionner plus vite des installations plus sobres. Ces bénéfices restent pour l’instant des intentions.

Avalanches et secours : l’IA épaule, l’humain décide

Pour les avalanches, l’IA complète le travail des prévisionnistes sans le remplacer. En Suisse, le SLF, l’Institut pour l’étude de la neige et des avalanches, utilise un modèle d’apprentissage automatique depuis la saison 2023/24. Celui-ci s’appuie sur vingt ans de données météo et de simulations du manteau neigeux.

A lire : Sommet climat des stations de ski : rendez-vous à Sun Valley

Le SLF insiste cependant sur la complémentarité. En effet, la machine traite plus de données, tandis que les prévisionnistes intègrent les observations de terrain. Par ailleurs, aux États-Unis, le Colorado Avalanche Information Center teste aussi des modèles de classification.

Côté secours, les drones changent déjà la donne. Ainsi, en Norvège, des équipes testent des drones équipés d’un détecteur de victimes d’avalanche. Au Canada, North Shore Rescue utilise des caméras thermiques pour repérer des randonneurs dans des terrains escarpés. Dès lors, les sauveteurs couvrent de grandes zones en exposant moins de personnel.

Versants et biodiversité : surveiller ce que l’œil ne voit pas

L’IA sert aussi à surveiller les versants instables. Ainsi, des projets de recherche menés à l’ETH Zurich et au WSL combinent capteurs sismiques et apprentissage automatique pour détecter plus tôt les laves torrentielles. Pour les collectivités, ce gain de quelques minutes peut suffire à fermer une route ou à évacuer un hameau.

Sur la faune, l’outil de référence vient des Alpes françaises. Le logiciel libre et gratuit DeepFaune, développé notamment avec l’Université Grenoble Alpes et l’Université Savoie Mont Blanc, identifie les espèces sur les images de pièges photographiques. Selon l’Université Savoie Mont Blanc, il dépasse 97 % d’identifications correctes, en particulier sur le chamois, le bouquetin et la marmotte. Plus de 60 partenaires contribuent à son entraînement : parcs nationaux, associations, fédérations de chasseurs.

Le communiqué de Mountain Planet évoque d’ailleurs un usage possible par les domaines skiables. Des pièges photo répartis autour des pistes produiraient alors des inventaires d’hiver et d’été. Ce scénario reste une piste, mais l’outil existe déjà.

L’IA en montagne progresse donc par petites touches, d’abord là où elle fait gagner de la neige, de l’énergie ou du temps. Les vraies questions portent désormais ailleurs : qui finance ces outils dans les stations moyennes, quelle place garder aux saisonniers, et quel niveau de contrôle humain la réglementation exigera demain.

Écouter Podcabine, la parole de ceux qui font la montagne

Dans Podcabine, les acteurs de l’aménagement de la montagne prennent le temps d’une montée en cabine pour expliquer leurs choix. Retrouvez tous les épisodes sur podcabine.com.

Source : communiqué de presse de Mountain Planet, 11 décembre 2025. Données complémentaires : PistenBully, SLF, Remontées Mécaniques Suisses, Université Savoie Mont Blanc.