Déchets industriels pour des mortiers à performances améliorées à jeune âge: optimisation des formulations par intelligence artificielle.

Description

Contexte

Dans un contexte de transition écologique et de réduction des émissions de CO₂ dans le secteur du bâtiment, le développement de mortiers à base de déchets industriels constitue une alternative durable aux liants traditionnels à base de clinker. Ces matériaux peuvent intégrer des sous-produits riches en silice et alumine, tels que la poudre de verre, les cendres volantes ou les poussières de four à ciment, activés pour obtenir des performances mécaniques élevées dès le jeune âge. La variabilité des matières premières, la complexité des mécanismes physico-chimiques d’activation et le grand nombre de paramètres influençant les performances rendent néanmoins l’étude expérimentale longue, coûteuse et difficilement reproductible. Dans ce contexte, l’intelligence artificielle apparaît comme un outil prometteur pour prédire les propriétés des mortiers et optimiser leurs formulations en s’appuyant sur les données expérimentales existantes. Bien que ces approches aient démontré leur efficacité pour les matériaux cimentaires innovants, leur application aux mortiers à performance améliorée au jeune âge reste marginale, offrant ainsi un potentiel significatif pour accélérer le développement de formulations durables et performantes.

Objectifs du stage

Le stage portera sur le développement d’un modèle d’intelligence artificielle capable de prédire les propriétés mécaniques et physiques de composites cimentaires formulés à partir de déchets industriels. Il visera particulièrement la compréhension et la prédiction des performances des mortiers à jeune âge, ce qui servira par la suite à l’optimisation des formulations de ces mortiers. Cette approche s’inscrit dans une démarche de valorisation des sous-produits et de réduction de l’empreinte environnementale des matériaux cimentaires. Le stagiaire réalisera d’abord une revue bibliographique approfondie afin de constituer une base de données structurée issue de la littérature scientifique. À partir de cette base, un modèle prédictif d’apprentissage automatique sera développé pour relier les paramètres de formulation aux performances obtenues. Ce modèle sera ensuite validé par des méthodes de validation croisée et combiné avec des algorithmes d’optimisation pour proposer des formulations répondant à des objectifs spécifiques de performance à jeune âge.

Programme

Pour y parvenir, le stage sera structuré en plusieurs étapes successives, allant de la collecte et du traitement des données jusqu’à la mise au point et l’exploitation du modèle prédictif :

1. Revue bibliographique et constitution d’une base de données structurée.
2. Préparation, nettoyage et traitement des données collectées.
3. Développement et entraînement du modèle d’intelligence artificielle.
4. Validation et évaluation du modèle sur des données indépendantes.
5. Exploitation du modèle pour l’optimisation des performances à jeune âge.

Profile

Etudiant.e en dernière année de cycle ingénieur/Master2, spécialités : génie civil, matériaux, sciences de données.

Compétences scientifiques et techniques :

6. Maitrise de la formulation des matériaux cimentaires,
7. Capacité de synthèse et de gestion des données,
8. Connaissances en intelligence artificielle et ses outils (Python ...),
9. Un gout prononcé pour la modélisation,
10. Maitrise de l’anglais.

Le travail portera particulièrement sur la compréhension et la prédiction des performances des mortiers à jeune âge, ce qui servira par la suite à l’optimisation des formulations de ces mortiers.

Compétences relationnelles :

11. Etre autonome, avoir un esprit d’initiative et de curiosité,
12. Savoir travailler en équipe et avoir un bon relationnel,
13. Etre rigoureux.

Starting date

Dès que possible