Topic description
Le maintien en conditions opérationnelles (MCO) d'un parc électronucléaire repose sur des processus d'ingénierie complexes intégrant de multiples acteurs, métiers et systèmes d'information, soumis à de fortes contraintes de sûreté, de réglementation et de traçabilité. Le vieillissement des installations, la perte progressive de connaissances tacites et l'augmentation du volume et de l'hétérogénéité des données rendent les modes de pilotage actuels difficiles à optimiser et à sécuriser durablement.
Cette thèse vise à contribuer à la modélisation et à la simulation assistées par intelligence artificielle des processus, organisations et flux de données intervenant dans les activités de MCO d'un parc électronucléaire. L'objectif est de proposer une approche générique, transposable et simulable permettant de mieux représenter les décisions d'ingénierie, d'en évaluer les impacts et d'identifier des leviers d'optimisation tout en garantissant la conformité aux exigences de sûreté.
Les travaux s'appuieront sur des standards de modélisation de processus et de décisions (notamment BPMN et DMN), enrichis par des techniques d'IA agentique et des approches neuro symboliques. L'IA assistera les experts dans la formalisation des connaissances issues de documents hétérogènes et d'entretiens métier, tout en préservant un contrôle humain explicite sur les décisions critiques. Une architecture d'orchestration « gouvernée », de type control plane, assurera la supervision des interactions entre agents IA, experts humains et systèmes d'information, ainsi que la traçabilité et la justification des décisions.
La recherche s'organisera autour d'un cycle de double co adaptation entre modèles, experts et agents IA, permettant l'évolution conjointe des représentations, des pratiques et des outils. Des environnements de simulation et des bacs à sable expérimentaux seront développés afin d'évaluer différents scénarios et critères de performance, de confiance, de conformité et de facteurs humains.
Les résultats attendus incluent des modèles de référence réutilisables, une méthodologie d'intégration et de qualification d'agents IA en contexte nucléaire, ainsi qu'un démonstrateur appliqué à des cas industriels liés aux visites décennales et au maintien du parc électronucléaire en exploitation. Ces travaux s'inscrivent dans le cadre de la chaire industrielle CIMES portée par ASSYSTEM et IMT Mines Alès, et visent à produire des contributions scientifiques et méthodologiques à fort potentiel de transfert industriel.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
The maintenance of a nuclear power plant fleet in operational condition relies on complex engineering processes involving multiple stakeholders, disciplines, and information systems, all subject to stringent safety, regulatory, and traceability requirements. The aging of facilities, the gradual loss of tacit knowledge, and the increasing volume and heterogeneity of data make it difficult to optimize and sustainably secure current management methods.
This thesis aims to contribute to the artificial intelligence-assisted modeling and simulation of the processes, organizations, and data flows involved in the O&M activities of a nuclear power plant fleet. The objective is to propose a generic, transferable, and simulable approach that allows for better representation of engineering decisions, assessment of their impacts, and identification of optimization levers while ensuring compliance with safety requirements.
The work will be based on process and decision modeling standards (notably BPMN and DMN), enhanced by agent-based AI techniques and neuro-symbolic approaches. AI will assist experts in formalizing knowledge derived from heterogeneous documents and domain-expert interviews, while preserving explicit human control over critical decisions. A “governed” control-plane-type orchestration architecture will oversee interactions between AI agents, human experts, and information systems, as well as ensure the traceability and justification of decisions.
The research will be organized around a cycle of dual co-adaptation between models, experts, and AI agents, enabling the joint evolution of representations, practices, and tools. Simulation environments and experimental sandboxes will be developed to evaluate different scenarios and criteria for performance, trust, compliance, and human factors.
Expected results include reusable reference models, a methodology for integrating and qualifying AI agents in a nuclear context, as well as a demonstrator applied to industrial cases related to decennial inspections and the maintenance of the operational nuclear power fleet. This work is part of the CIMES industrial chair led by ASSYSTEM and IMT Mines Alès, and aims to produce scientific and methodological contributions with high potential for industrial transfer.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Début de la thèse : 30/09/
Funding category
Funding further details
Partenariat d'entreprises ou d'associations
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.