Les objectifs du stage seront de tester à différentes échelles des méthodes basées principalement sur du Machine Learning (principalement Random Forest et autres méthodes de prédictions cartographiques). Les travaux seront à l'échelle nationale et s'appuieront sur les données disponibles telles que ADES et le référentiel hydrogéologique BD-LISA. Une première étape du travail consistera à la collecte et à la préparation des données (données ADES sur la qualité de l'eau, données sur les pressions anthropiques (occupation des sols, pressions industrielles). Les paramètres d'intérêt seront dans un premier temps l'Arsenic et le Fluor. Si le temps le permet l'étude s'orientera vers les polluants PFAS et pourront s'appuyer sur les résultats du projet Forever Pollution. Une fois cet objectif atteint, des modifications dans le traitement pourront être testées en vue du changement d'échelle pour passer à l'échelle européenne en collaboration avec les partenaires du projet (GEUS, ICGC). Des pistes d'amélioration comme une meilleure prise en compte des entités BD-LISA et de leurs propriétés ou encore le traitement des données sur la qualité des eaux, comme la gestion des analyses inférieures aux limites de quantification (données censurées) seront explorées.