Prédiction de la rétention mobilité des radioéléments dans les sols et les nappes par apprentissage f/h

La protection de l’environnement constitue un enjeu prioritaire pour EDF qui souhaite être exemplaire et ambitieux en matière de respect de l’Environnement. Cela s’appuie sur sa certification ISO 14001 soulignant son engagement dans le développement durable et contribuant à sa responsabilité sociétale. EDF s’engage à agir pour maîtriser les impacts environnementaux et sanitaires de ses activités et implantations, et s’emploie depuis plusieurs années avec beaucoup de rigueur à évaluer les risques, à maîtriser les rejets, à surveiller les sources de marquage et à traiter les sites marqués.
Pour quantifier la mobilité potentielle d’un marqueur (ex. radionucléide) dans un sol ou dans une nappe, le paramètre le plus utilisé est le coefficient de distribution (Kd). Il est défini par le rapport des concentrations du marqueur dans un solide et dans la solution liquide avec laquelle ledit solide est à l’équilibre. Le Kd peut être mesuré en laboratoire, estimé grâce à des bases de données expertes qui proposent des valeurs génériques en fonction de la typologie des sols, ou calculé à partir de modélisations géochimiques.
Des outils d’apprentissage automatique ont été développés et testés récemment pour aider à estimer les valeurs de Kd du césium (Cs) et de l’uranium (U) dans différents milieux (Hong et al., 2024 ; Pamungkas et al. 2025). L’étude de Hong et al. 2024 par exemple présente des modèles d’apprentissage automatique basés sur la base de données de sorption de l’Agence japonaise de l’énergie atomique (JAEA-SDB) pour prédire les valeurs Kd du Cs en utilisant plusieurs modèles d’apprentissage automatique : Random Forest (RF), le réseau de neurones artificiels (ANN) et le réseau de neurones convolutifs (CNN). Ces études font émerger une approche alternative pour l’estimation des Kd.
Le travail de stage consiste dans un premier temps à établir un état des lieux permettant d’apprécier la pertinence de l’utilisation de ces outils mathématiques à la sélection de Kd représentatifs d’un sol spécifique. Cette étape repose sur une étude bibliographique des outils mathématiques appliqués à la sélection de valeurs (ou de gammes de valeurs) de Kd ainsi qu’une analyse exploratoire des données de la littérature sur lesquelles ces outils mathématiques pourraient être déployées. Dans un second temps le stagiaire s’attellera à faire la démonstration de l’apport de ces outils à l’estimation du Kd en choisissant l’outil ou les outils IA les plus pertinents pour résoudre ce type de problématique.



Niveau de formation : Bac +5 (3ème année école d’ingénieur ou master 2)
Compétence : Mathématiques appliquées - Sciences des données