L’érosion des berges joue un rôle important dans les dynamiques des rivières. Cette érosion contrôle un certain nombre de paramètres d’évolution du chenal (migration des méandres, apport de sédiments). C’est un sujet d’étude important notamment pour les gestionnaires de rivières puisque l’érosion des berges est responsable de pertes de terres, de dommages pour des structures ou des ouvrages proches de rivières et a aussi un impact sur la diversité des écosystèmes. Plusieurs méthodes sont régulièrement utilisées pour suivre, quantifier et améliorer la compréhension des processus d’érosion de berges. La mise en place de barres d’érosion enfoncées dans la berge est souvent utilisée car facile à mette en œuvre. On détermine le retrait de la berge en mesurant la longueur de la barre d’érosion mise à nue. Cette méthode présente des inconvénients ; une information ponctuelle à l’échelle de la berge et des difficultés à évaluer un éventuel dépôt de sédiments en pied de berge. D’autres approches font appel à l’utilisation de scanners terrestres (TLS) pour obtenir une reconstruction en 3D, mais le coût élevé de ces instruments reste encore un frein majeur à sa diffusion. L’objectif de notre étude est de mettre en place un suivi régulier d’une berge à faible coût, par le recours à la photogrammétrie Structure from motion (Sfm) et l’utilisation de logiciels libres pour toutes les étapes de post-traitement. Le site d’étude est une portion de berge de la rivière Mérantaise (Yvelines). Il s’agit d’une petite rivière (bassin versant de 36 km²) périurbaine caractérisée par un régime de faible énergie. La méthodologie mise en place a consisté à réaliser une campagne de mesures après chaque événement hydrologique afin d’obtenir des nuages de points en 3D reconstituant la berge en érosion. A chaque campagne, une centaine de photographies a été prise depuis la berge opposée. La comparaison des nuages de points entre deux dates pour établir la dynamique de la berge étudiée nécessite la création d’un système planimétrique local contrôlé par un réseau de benchmarks fixes. Une dizaine de clous d’arpentage, implantés dans la berge et relevés à la Station Totale, nous sert de points de contrôle pour le référencement et la comparaison des nuages de points en post-traitement (Figure 1). La méthode des barres d’érosion a également été effectuée en parallèle pour valider la méthode Sfm. 10 campagnes de mesures ont été effectuées entre juin 2013 et décembre 2014. La reconstruction Sfm a été réalisée à partir du logiciel libre VisualSFM (Changchang Wu, 2007, 2011). La reconstruction du nuage de points dense a été effectuée en utilisant les logiciels CMVS (Clustering View for Multiview Stereo) et PMVS (Patch-based Multiview Stereo) implémentés dans VisualSFM (Figure 2). Le nuage de points obtenu est ensuite importé dans le logiciel libre CloudCompare (GNU GPL). Le référencement est réalisé dans CloudCompare à partir des coordonnées des clous relevées à la Station Totale. L’erreur RMS entre les coordonnées des clous mesurées à la Station Totale et les coordonnées des clous obtenus après référencement est toujours inférieure à 7mm. Etant donné la très grande densité de points (environ 50 000 points/m²), et afin de comparer les nuages de pointsentre eux, nous avons choisis de ne pas interpoler ces nuages de points afin de ne pas introduire d’incertitude liée à l’interpolation. Nous avons utilisé l’algorithme M3C2 (Lague et al. 2013) implémenté dans CloudCompare pour calculer les différences directement entre deux nuages de points à deux dates différentes (Figure 3) et obtenir une estimation de confiance statistique dans les changements détectés. Une fois les traitements effectués, les valeurs d’érosion obtenues ont été extraites du nuage de points des différences pour être comparées à celles mesurées sur le terrain par la méthode des barres d’érosion (Figure 4.) Les résultats obtenus permettent de suivre finement l’évolution de la berge que ce soit en termes d’érosion mais aussi d’accumulation en lien avec les différents événements hydrologiques et météorologiques. La haute résolution des données est bien adaptée à l’étude des rivières de faible énergie dont l’évolution est parfois de quelques centimètres par an seulement. Le faible investissement, à la fois financier par l’utilisation de logiciels libres et humain par l’utilisation de la méthode Sfm, satisfait pleinement nos exigences et a permis de répéter régulièrement les campagnes de mesures. Enfin l’arrivée de nouveaux algorithmes permettant de comparer des nuages de points directement entre eux sans passer par un maillage 2D accélère le traitement et permet de continuer à travailler en 3D tout en s’affranchissant des incertitudes liées à l’interpolation.