Doctorant en Informatique (H/F) - Augmentation et génération de données géopolymères

Description du Poste

Sujet De Thèse

Le projet GEOLIANT (France 2030) vise à développer un outil d'intelligence artificielle pour accélérer la conception de formulations géopolymères, en prédisant leurs propriétés techniques (porosité, résistance mécanique, durabilité), environnementales (analyse de cycle de vie) et économiques (coût, viabilité), et en identifiant de façon bidirectionnelle des formulations candidates à partir de propriétés cibles souhaitées.

La base constituée au sein du projet — environ 1 600 formulations issues de la littérature (base de Gabriel Sanson, LMDC/INSA Toulouse), enrichie par extraction automatique de nouveaux articles et par les données expérimentales des partenaires — présente une couverture hétérogène et parcellaire : toutes les formulations ne disposent pas des mêmes caractérisations (résistance mécanique, retrait, résistance aux sulfates, DRX, MEB, etc.), et le volume de données exploitables reste limité au regard de la diversité de l'espace de composition (précurseurs, ratios Na₂O/SiO₂, conditions de cure).

L'objectif de la thèse est de développer des méthodes d'augmentation et de génération de données pour combler ces lacunes : imputation de valeurs manquantes en exploitant les corrélations entre propriétés et la proximité physico-chimique entre formulations ; génération de données synthétiques plausibles (par exemple via des modèles génératifs conditionnés par la composition) pour étendre la couverture de l'espace de formulations sans multiplier les essais expérimentaux coûteux ; et pondération de la confiance des données selon leur provenance (donnée partenaire, littérature, ou donnée générée), principe de traçabilité déjà retenu par le projet.

Le/la doctorant·e s'appuiera sur le datalake propriété-graphe en construction et travaillera en lien étroit avec l'autre doctorant·e du projet, les données augmentées/générées alimentant directement les modèles causaux et prédictifs visés par GEOLIANT. Les travaux combineront apprentissage automatique (modèles génératifs, apprentissage sur graphes), gestion de données hétérogènes et incomplètes, et une forte dimension interdisciplinaire avec les experts en science des matériaux du consortium (LMDC), nécessaire pour garantir la plausibilité physico-chimique des données produites.

Votre Environnement de Travail

La thèse s’inscrit dans le cadre du projet GEOLIANT, soutenu par BPI France dans le programme France 2030, visant à développer et industrialiser des liants géopolymères bas-carbone à partir de déchets de chantier, en alternative durable au ciment traditionnel fortement émetteur de CO₂. Le projet repose sur le développement de formulations innovantes et sur la mise en place d’outils numériques et prédictifs basés sur l’intelligence artificielle afin d’accélérer la recherche, l’évaluation et la validation des performances.

Le doctorant ou la doctorante sera rattaché·e au laboratoire LIRIS et travaillera au sein d’un consortium académique et industriel associant des acteurs du génie civil, des matériaux et de l’environnement. Les travaux de thèse s’inscriront dans un environnement pluridisciplinaire, à l’interface entre informatique (extraction et intégration de données, graphes, IA) et ingénierie des matériaux.

La thèse sera menée en interaction étroite avec les partenaires du projet, dans un cadre favorisant la co-conception, la validation experte et le transfert des résultats vers des applications opérationnelles, notamment dans le contexte de chantiers pilotes. Elle offre un environnement de recherche stimulant, combinant contributions méthodologiques et impact industriel et environnemental.

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.

Contraintes et risques

Thèse menée dans le cadre d'un projet collaboratif multi-partenaires, impliquant des contraintes de coordination, de planification et de dépendance aux contributions des partenaires.

Dépendance à la qualité et à la disponibilité des données consolidées par ailleurs dans le projet (données partenaires, littérature extraite), dont l'hétérogénéité et le caractère parcellaire conditionnent directement le choix et la performance des méthodes d'augmentation et de génération.

Risque inhérent aux méthodes génératives : absence de garantie a priori de plausibilité physico-chimique des données synthétiques produites, nécessitant une validation itérative avec les experts en science des matériaux du consortium.

Difficulté à évaluer la qualité de données générées en contexte de faible volume de données de référence, pouvant nécessiter des choix méthodologiques et techniques évolutifs (imputation, modèles génératifs, pondération de confiance).

Nécessité d'un équilibre entre automatisation par l'IA et validation humaine, pouvant allonger certaines phases expérimentales.

Contraintes liées aux jalons et livrables contractuels du projet financé par BPI France / France 2030.

Interdisciplinarité du sujet, demandant un temps d'appropriation des notions en science des matériaux et en génie civil.

Déplacements ponctuels possibles pour réunions, ateliers ou validations chez les partenaires du projet.

Rémunération et avantages

Rémunération

La rémunération est de 2300,00 € mensuel (brut)

Congés et RTT annuels

44 jours

Pratique et Indemnisation du TT

Pratique et indemnisation du TT

Transport

Prise en charge à 75% du coût et forfait mobilité durable jusqu’à 300€

À propos de l’offre

À propos du CNRS

Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d’associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement.

Le CNRS

Les métiers de la recherche