Dans l'industrie de la pierre naturelle en France, des dépassements fréquents des seuils réglementaires de poussières ont été constatés, surtout en conditions sèches. Les méthodes gravimétriques classiques ne permettent pas de suivre les dynamiques d'émission, ce qui limite la prévention en entreprise. Pour y remédier, un dispositif innovant de cartographie 3D des PM2.5 a été développé, reposant sur dix capteurs SPS30 disposés selon le plan expérimental 3? de Roulet et al. (Roulet et al., 1991) et sur un modèle prédictif. Validé en laboratoire, sur banc de découpe et en industrie, il reconstruit fidèlement les panaches (R² > 0,95). Cette approche offre aux entreprises une alternative rapide aux CFD et un outil opérationnel pour anticiper les risques respiratoires.

In the French natural stone industry, frequent exceedances of regulatory dust exposure limits have been observed, particularly under dry processing conditions. Conventional gravimetric methods fail to capture the spatial and temporal dynamics of emissions, thereby limiting effective prevention strategies at the enterprise level. To address this gap, an innovative 3D mapping system for PM2.5 was developed, combining ten SPS30 optical sensors arranged according to the 3? experimental design of Roulet et al. (Roulet et al., 1991) with a predictive machine learning model. Validated through laboratory trials, cutting bench experiments, and industrial deployment, the system accurately reconstructs dust plumes with coefficients of determination above 0.95. This approach provides companies with a rapid alternative to CFD simulations and a practical tool for anticipating respiratory risks in the workplace.