Post-doctorat en IA frugale et durabilité des composites F/H - campus d'Angers

Le projet COMPOSIA s’inscrit dans le cadre des transitions écologique et numérique. Il vise à développer une méthodologie hybride basée sur des outils d’intelligence artificielle qui combinent données et modèles physiques (IA frugale) pour prédire la durabilité des matériaux composites à matrice thermodurcissable utilisés dans le bâtiment en zone inondable. Compte tenu des changements climatiques en milieu urbain, il est important de contrôler en temps réel la dégradation des bâtiments et de proposer des solutions de prédiction des durées de vie. Le matériau choisi pour cette étude est un composite verre/époxy unidirectionnel, matériau qui occupe une place centrale dans le secteur du bâtiment pour des applications de renforcement, de réhabilitation ou d’éléments structurels exposés. Leur utilisation repose sur un compromis favorable entre performances mécaniques spécifiques, faible masse volumique et résistance à la corrosion. Néanmoins, en zone inondable, ces matériaux sont soumis à des sollicitations hygrothermiques sévères caractérisées par une humidité élevée, des variations de température, ce qui induit des mécanismes de dégradation progressifs et fortement couplés. Dans ce contexte, les industriels du bâtiment sont confrontés à une problématique majeure liée à l’exploitation de données expérimentales coûteuses à acquérir et souvent insuffisantes pour alimenter des modèles robustes. Cette limitation freine la capacité à anticiper la durabilité des structures et à optimiser les choix de conception ou de maintenance. La problématique scientifique du projet s’inscrit précisément dans ce cadre et vise à établir un lien prédictif entre conditions de vieillissement hygrothermique et évolution des propriétés mécaniques à partir de jeux de données limités, en s’appuyant sur des approches d’intelligence artificielle intégrant des contraintes physiques. Une telle approche nécessite de dépasser les limites actuelles des modèles purement analytiques et des approches purement basées sur les données (data-driven), en développant des stratégies hybrides capables de capturer la complexité des mécanismes en jeu tout en restant compatibles avec des volumes de données réduits.

Le projet COMPOSIA s’inscrit dans le cadre des transitions écologique et numérique. Il vise à développer une méthodologie hybride basée sur des outils d’intelligence artificielle qui combinent données et modèles physiques (IA frugale) pour prédire la durabilité des matériaux composites à matrice thermodurcissable utilisés dans le bâtiment en zone inondable. Compte tenu des changements climatiques en milieu urbain, il est important de contrôler en temps réel la dégradation des bâtiments et de proposer des solutions de prédiction des durées de vie. Le matériau choisi pour cette étude est un composite verre/époxy unidirectionnel, matériau qui occupe une place centrale dans le secteur du bâtiment pour des applications de renforcement, de réhabilitation ou d’éléments structurels exposés. Leur utilisation repose sur un compromis favorable entre performances mécaniques spécifiques, faible masse volumique et résistance à la corrosion. Néanmoins, en zone inondable, ces matériaux sont soumis à des sollicitations hygrothermiques sévères caractérisées par une humidité élevée, des variations de température, ce qui induit des mécanismes de dégradation progressifs et fortement couplés. Dans ce contexte, les industriels du bâtiment sont confrontés à une problématique majeure liée à l’exploitation de données expérimentales coûteuses à acquérir et souvent insuffisantes pour alimenter des modèles robustes. Cette limitation freine la capacité à anticiper la durabilité des structures et à optimiser les choix de conception ou de maintenance. La problématique scientifique du projet s’inscrit précisément dans ce cadre et vise à établir un lien prédictif entre conditions de vieillissement hygrothermique et évolution des propriétés mécaniques à partir de jeux de données limités, en s’appuyant sur des approches d’intelligence artificielle intégrant des contraintes physiques. Une telle approche nécessite de dépasser les limites actuelles des modèles purement analytiques et des approches purement basées sur les données (data-driven), en développant des stratégies hybrides capables de capturer la complexité des mécanismes en jeu tout en restant compatibles avec des volumes de données réduits.Diplôme et expérience professionnelle :Diplômé·e de l’enseignement supérieur, vous avez une expérience significative dans les approches IA basées sur la physique, idéalement acquise au sein d’un grand établissement d’enseignement supérieur et de recherche (Université ou grande école), d’un opérateur de l’État ou d’une collectivité territoriale.Savoirs et savoir-faire :· Doctorat en Mécanique, Mécanique Numérique, Science des Matériaux ou tout autre discipline associéeDepuis sa création en 1780, l’Ecole Nationale Supérieure Arts et Métiers s’attache à répondre aux défis industriels et aux enjeux sociétaux, en constante évolution.Etablissement public scientifique, culturel et professionnel (EPSCP) sous tutelle unique du ministère de l’enseignement supérieur et de la recherche, il est composé de huit campus et de trois instituts répartis sur le territoire.Sa première mission : Former des ingénieurs capables de concevoir des produits et systèmes respectueux de l’environnement, mais aussi de contrôler une organisation industrielle en maîtrisant les risques et les coûts. Les verrous scientifiques associés à cette problématique sont multiples. Ils concernent : - d’une part la nature limitée et hétérogène des données expérimentales disponibles, qui impose le développement de méthodes d’apprentissage adaptées aux faibles volumes de données ; - d’autre part la complexité des mécanismes de vieillissement, qui impliquent des interactions entre diffusion, plastification, oxydation et endommagement mécanique, rendant difficile l’identification des variables réellement gouvernantes. À cela s’ajoute la difficulté de définir des descripteurs pertinents permettant de relier les observations expérimentales aux performances mécaniques, ainsi que le problème fondamental de la transposition des résultats issus d’essais accélérés vers des conditions réelles d’usage.· Une solide connaissance en méthodes numériques dans le domaine de l’Intelligence Artificielle· Une expérience en durabilité des composites serait un atout· Le candidat devra avoir un intérêt pour le numérique et l’expérimentation· Le candidat devra faire preuve de rigueur, posséder de bonnes capacités rédactionnelles ainsi qu’un bon sens de l’adaptation et du relationnel· Une aptitude à rédiger des articles et à valoriser les résultats de recherche sera également nécessaireSavoir-être :· Goût pour le travail expérimental et le numérique· Aptitude à travailler en équipe· Curiosité scientifique, capacité d’analyse et force de propositionLe poste est rattaché au projet COMPOSIA et s’inscrit au sein de l’équipe du Laboratoire Angevin de Mécanique, Procédés et InnovAtion (LAMPA). L’équipe du LAMPA possède une expertise dans la mise en place d’essais pour prédire la durabilité des composites ainsi dans la mise en place de méthodes numériques avancées avec notamment des modèles d’IA basés sur la physique qui permettent de prédire des phénomènes physiques avec un nombre de données expérimentales limitées. Ce projet bénéficie d’un double financement Angers Loire Développement et Carnot Arts. Ce projet Carnot Arts est en collaboration avec l’équipe du PIMM (Procédés et Ingénierie en Mécanique et Matériaux), reconnue pour ses compétences en IA et en compréhension des mécanismes de vieillissement des composites, la post-doctorante ou le post-doctorant bénéficiera d’un environnement de travail en équipe avec des expertises à la fois en numérique, modélisation et expérimental.