B.1 Analyse des eaux de rejets domestiques et hospitaliers

III.B.1.1 Objectif de l’étude

D’une manière générale, une langue électronique comprend une matrice de capteurs séparés [179,180]. Cependant, on a toujours tendance à vouloir miniaturiser ce genre de dispositif et de simplifier son élaboration [181]. La miniaturisation conduit à la réduction des coûts de la préparation des capteurs. Il existe deux approches possibles pour miniaturiser les langues électroniques : ou bien rassembler des micro-capteurs électrochimiques simples dans une seule matrice ou alors, de développer des réseaux de capteurs intégrés et les fabriquer sur un substrat unique. Dans notre cas, nous avons réalisé une langue électronique à base d’un seul microcapteur. Il s’agit bien entendu d’une électrode de Diamant dopé au Bore (BDD) qui assure la détection simultanée de plusieurs métaux lourds [178] par la DPASV. La DPASV permet de mettre en évidence la non-spécificité de la BDD en tant que critère indispensable pour la conception du dispositif de la langue électronique.

Le traitement des eaux usées est l’un des enjeux actuels auxquels notre société doit faire face. Les eaux usées proviennent principalement des rejets domestiques et industriels, naturels mais elles peuvent aussi être d’origine hospitalier. Bien entendu, ces eaux doivent être traitées avant d’être rejetées dans le milieu naturel. Le contrôle du processus du traitement et d’épuration des eaux usées depuis l’entrée jusqu’à la sortie se fait actuellement par différentes techniques. Dans ce contexte, l’électrode de BDD couplée à des méthodes d’analyses multivariées notamment l’ACP, été conçue pour mettre en place une langue électronique miniaturisée visant à surveiller les différentes phases de traitement des eaux de rejets domestiques et hospitaliers.

III.B.1.2 Méthode de reconnaissance de forme utilisée : ACP

L'Analyse en composantes principales (ACP) est une méthode de la famille de l'analyse des données et plus généralement de la statistique multivariée, qui consiste à transformer des variables liées entre elles (dites "corrélées" en statistique) en nouvelles variables décorrélées les unes des autres. Ces nouvelles variables sont nommées "composantes principales", ou axes principaux. Elle permet au praticien de réduire le nombre de variables et de rendre l'information moins redondante.

la station d'épuration de Bellecombe, les eaux usées traitées de la station d'épuration de Bellecombe, la rivière de l’Arve en aval de la station d'épuration des eaux usées de Bellecombe et les eaux usées de l'Hôpital de Anamasse-Bonneville, près de Genève (Figure III.14). Au total, 20 échantillons aux différents stades de traitement des eaux usées ont été analysés. Le prélèvement des échantillons a été effectué en Mars 2012. Toutes les expériences sont réalisées à la température ambiante (20±1°C). Ces études sont menées dans le cadre du programme SIPIBEL [182].

Figure III.14 : Lieux de prélèvement des eaux de rejets domestiques et hospitaliers. 1) Eaux

usées brutes de la station d’épuration de Bellecombe, 2) Eaux fraîches de la rivière Arve en aval de la station d'épuration de Bellecombe, 3) Eaux traitées de la station d’épuration de

Bellecombe et 4) Eaux usées traitées de l'hôpital (effluents hospitaliers).

III.B.1.4 Résultats et discussions

a. DPASV des eaux de rejets

La première série des voltammogrammes de DPASV montre clairement l'effet du traitement des eaux usées sur l’électrode de BDD (Figure III.15). Quand on compare les figures (a) (eau non traitée) et (b) (eau traitée), on remarque une diminution importante de l’intensité des pics majeurs présents dans l'eau non traitée. Ceci peut être relié à la qualité du traitement réalisé sur les eaux usées brutes de la station d’épuration de Bellecombe.

C

III

Figure III.15 : DPASV sur l’électrode de BDD pour a) l’eau usée brute de la station

d’épuration de Bellecombe et b) l’eau traitée de la station de Bellecombe.

Sur la deuxième série de voltamogrammes présentée, nous remarquons que l’eau de la rivière de l’Arve est très chargée vu que l’intensité du pic majoritaire est très importante (0,32µA) (Figure III.16 (a)) tant dis que l’eau usée de l'hôpital est bien traitée (Figure III.16 (b)).

Figure III.16 : DPASV sur l’électrode de BDD pour a) l’eau de la rivière de l’Arve et b)

l’eau usée traitée de l'hôpital.

b. Les variables représentatives

pour la première stratégie. Ainsi, quatre caractéristiques représentatives ont été extraites, à savoir le potentiel du pic majoritaire, son intensité maximale, sa largeur et sa surface.

c. Comparaison entre les eaux de rejets et eaux traitées en utilisant l’ACP Après avoir organisé les individus et les variables dans un tableau sous forme d’une base de données, nous avons appliqué un centrage et une réduction de l'ensemble des variables pour éliminer leur effet d’échelle. La figure III.17 montre la projection des échantillons sur les trois premiers axes représentant les composantes principales : CP1, CP2 et CP3. Ces trois CPs représentent collectivement 99,75% des informations contenues dans la base de données et sont celles qui permettent de visualiser le mieux l’organisation des échantillons d’eaux de rejets. En effet, la somme des variances expliquée par les deux premières CPs est 94,92% alors que celle de la troisième CP est de 4,83%. Cela signifie que les différences existant entre les échantillons d’eaux le long des deux premiers axes sont plus importantes que celles existant le long du troisième axe. Cependant, ce dernier pourrait représenter un intérêt pour la discrimination entre l'eau de rivière de l’Arve et l’eau traitée de l'hôpital. [189].

Figure III.17 : Résultats de classification des quatre eaux de rejets par la langue

électronique voltammétrique, dans le repére des trois premières composantes principales CP1, CP2 et CP3

D’après cette dernière analyse, la langue électronique de BDD a permis une discrimination parfaite des eaux de rejets domestiques et hospitaliers.