Nécessité d’une approche personnalisée pour la modélisation des données géotechniques à l’ère minière moderne : un exemple de modélisation par blocs du projet Santa Cruz

Mais à mesure que l’industrie minière évolue, ses besoins en matière de données évoluent également. De plus en plus, les données géotechniques comme la qualité des massifs rocheux, l’orientation et les caractéristiques des discontinuités naturelles sont tout aussi essentielles que la teneur des métaux. Que ce soit pour des opérations en souterrain ou à ciel ouvert, la conception des mines dépend maintenant fortement de la compréhension du comportement mécanique des massifs rocheux. Pourtant, les techniques géostatistiques initialement développées pour la modélisation des teneurs géologiques sont souvent insuffisantes ou défaillantes lorsqu’elles sont appliquées à des paramètres géotechniques.

Pourquoi la modélisation géotechnique par blocs est différente

Le problème est lié au comportement des données. Les données sur les teneurs géologiques présentent généralement des tendances spatiales lisses et se prêtent à une interpolation statistique. Ce qui n’est pas le cas des données géotechniques. Les paramètres tels que le RQD (la qualité de la roche), les côtes Q et la fréquence des fractures changent souvent brusquement en raison de failles, de joints, de contacts lithologiques et d’autres types de structures.

Lorsque les méthodes géostatistiques sont appliquées aveuglément, le modèle peut sembler statistiquement solide, mais il peut fausser la représentation des éléments structuraux clés. Cette présentation erronée peut entraîner une conception biaisée du support de terrain, des risques pour la sécurité et des erreurs de planification coûteuses. Comme l’illustre un exemple : un modèle qui est géostatistiquement « parfait » peut complètement manquer une zone de faille majeure, ce qui le rend géotechniquement inutile. L’application directe de la même méthodologie pourrait entraîner une distorsion grossière des données géotechniques, ce qui pourrait conduire à une perte de précision géologique et géotechnique, comme le montre l’image ci-dessous. Le modèle ci-dessous est géostatiquement correct mais obsolète géotechniquement car il a perdu toute trace d’une structure majeure entre les deux.

Exemple concret : le projet Santa Cruz d’Ivanhoe Electric

Dans le cadre du projet Santa Cruz d’Ivanhoe Electric, deux défis illustrent l’insuffisance des méthodes conventionnelles :

1. Distribution inversée des données : Contrairement à de nombreux projets en roches dures où la bonne qualité du massif rocheux est prédominante, l’ensemble de données de Santa Cruz comprenait une couverture importante dans des zones plus variables, dont certaines présentaient des valeurs de RQD et de Q plus faibles.

2. Corrélation géotechnique-minéralisation : il existe un lien spatial fort entre les zones de minéralisation et les conditions géotechniques plus faibles. Tout modèle qui ne respecterait pas cette relation risquerait de sous-estimer les besoins de contrôle de terrain dans des zones économiquement favorables.

Dans les deux cas, les techniques de modélisation traditionnelles atténueraient les caractéristiques les plus importantes.

Une meilleure approche : adapter le modèle à la géologie

Après plusieurs itérations et vérifications de la réalité, l’équipe de projet a adopté une approche de modélisation à contraintes géologiques. Plutôt que d’utiliser des valeurs normalisées provenant d’échantillon composites et d’appliquer des méthodes de géostatistique généralisée, ils ont utilisé des intervalles d’échantillonnage non normalisés et ont appliqué l’interpolation du plus proche voisin (`nearest neighbour`). Cette méthode préserve la variabilité localisée et respecte les limites structurales. C’était la clé pour construire un modèle qui reflétait les conditions réelles du sous-sol.

Le modèle de blocs géotechnique obtenu s’est éloigné des « concepts théoriques » pour se concentrer sur une justesse pratique, permettant ainsi son déploiement direct dans le processus de planification minière. Dans le cadre de ce projet, l’utilisation de ce modèle a permis :

• Une estimation précise des besoins en support de terrain (voir image)

• Une prévision fiable des taux d’excavation des infrastructures

• Une planification plus fiable de la production minière

Afin de soutenir davantage la prise de décision, une carte de confiance a été générée parallèlement au modèle de blocs. Cette carte quantifiait la certitude des valeurs interpolées et guidait les futurs plans de forage en identifiant les zones de faible confiance ayant besoin de plus de données. Un exemple est présenté ci-dessous.

Dernière réflexion : la précision nécessite un contexte

Dans la planification minière, la précision n’est pas seulement une question de rigueur mathématique, c’est aussi une question de vérité géologique. Un modèle qui ignore la nature de ses intrants peut même tromper les ingénieurs les plus expérimentés.

Alors que les données géotechniques continuent de croître en volume et en importance, les professionnels de l’exploitation minière doivent repenser leurs stratégies de modélisation. Cela signifie de choisir des techniques qui conviennent non seulement au logiciel, mais qui sont aussi conformes au comportement des données.

La modélisation géotechnique par blocs n’est pas seulement une extension de la modélisation des teneurs géologiques. C’est une discipline distincte. C'est un domaine qui exige ses propres outils, ses propres hypothèses et ses propres méthodes de validation. Des recherches ciblées seront nécessaires pour continuer de développer et d'améliorer la modélisation géotechnique par blocs et les procédures associées d’utilisation des données.