Stabilisation des sols excavés pour la construction en terre - Potentiel de l’IA dans la prédiction et l’optimisation des performances mécaniques et de la durabilité

Établissement recruteur

Présentation du laboratoire

CESI LINEACT (UR 7527), Laboratoire d'Innovation Numérique pour les Entreprises et les Apprentissages au service de la Compétitivité des Territoires, anticipe et accompagne les mutations technologiques des secteurs et des services liés à l’industrie et au BTP. La proximité historique de CESI avec les entreprises est un élément déterminant pour nos activités de recherche, et a conduit à concentrer les efforts sur une recherche appliquée proche de l’entreprise et en partenariat avec elles. Une approche centrée sur l’humain et couplée à l’utilisation des technologies, ainsi que le maillage territorial et les liens avec la formation, ont permis de construire une recherche transversale ; elle met l’humain, ses besoins et ses usages, au centre de ses problématiques et aborde l’angle technologique au travers de ces apports.

Sa recherche est organisée selon deux équipes scientifiques interdisciplinaires et deux domaines applicatifs.

• L’équipe "Apprendre et Innover" relève principalement des Sciences cognitives, Sciences sociales et Sciences de gestion, Sciences et techniques de la formation et celles de l’innovation. Les principaux objectifs scientifiques visés sont la compréhension des effets de l'environnement, et plus particulièrement des situations instrumentées par des objets techniques (plateformes, ateliers de prototypage, systèmes immersifs...) sur les processus d'apprentissage, de créativité et d’innovation.
• L’équipe "Ingénierie et Outils Numériques" relève principalement des Sciences du Numérique et de l'Ingénierie. Les principaux objectifs scientifiques portent sur la modélisation, la simulation, l’optimisation et le pilotage de composants, systèmes et processus complexes et des interactions Humains-systèmes dans des systèmes cyber-physiques et jumeaux numériques.

Ces deux équipes développent et croisent leurs recherches dans les domaines applicatifs de l'Industrie du Futur, de la Ville du Futur et des services numériques, soutenues par des plateformes de recherche, principalement celle de Rouen dédiée à l’Usine du Futur et celles de Nanterre dédiée à l’Usine et au Bâtiment du Futur.

Description

Contexte scientifique

Des ressources naturelles telles que la terre, le sable et les granulats sont extraites pour produire des matériaux de construction. Leur utilisation excessive pour la fabrication de matériaux de construction exerce une pression considérable sur ces ressources, en plus d'augmenter les émissions de carbone. Chaque année, près de 40 à 50 milliards de tonnes de sable et 453 millions de tonnes de granulats sont extraits en France (UNPG, 2021). De plus, les bâtiments modernes sont énergivores. Le secteur du bâtiment en France est responsable de 44 % de la consommation énergétique nationale (Ministère de la Transition Écologique, 2021). Outre la consommation de ressources, le secteur du bâtiment est le principal producteur de déchets en France et en Europe. La production annuelle de déchets du secteur du bâtiment en France est de 246 millions de tonnes (Ministère de l'Écologie France, 2018). Les terres excavées sont des constituants majeurs des déchets de construction et près de 150 Mt de terres sont excavées des chantiers de construction en France chaque année (Brgm, 2022). Près de 75 % des déchets de terres excavées sont recyclés dans l'UE (Commission européenne, 2024). La majeure partie des terres est valorisée dans des applications de remblai. La valorisation des terres dans des applications à haute valeur ajoutée telles que les matériaux de construction reste limitée. La récupération de la terre issue de chantier en matériaux de construction tels que les briques de terre permet de préserver les ressources naturelles et de développer des matériaux de construction durables à faibles émissions de carbone. L’intelligence artificielle (IA) offre, quant à elle, des outils puissants pour analyser des jeux de données complexes, prédire les performances des matériaux et optimiser les formulations. L’intégration de ces approches dans le domaine de la construction en terre ouvre ainsi de nouvelles perspectives pour la conception de matériaux plus performants, durables et respectueux de l’environnement.

Sujet de stage

Ce stage s’inscrit dans le cadre de la valorisation des sols excavés pour la construction en terre, en s’intéressant plus particulièrement à la stabilisation de ces sols et à la prédiction de leurs performances mécaniques à l’aide de l’intelligence artificielle (IA). L’objectif principal est de développer des modèles d’apprentissage capables d’évaluer l’influence des paramètres de formulation (granulométrie, composition chimique, taux de liant, humidité, etc.) sur les propriétés mécaniques des matériaux obtenus, tels que la résistance à la compression ou à la flexion. Le travail consistera à construire une base de données issue de la littérature scientifique ou de résultats expérimentaux existants, à mettre en œuvre différents modèles d’IA (régression, forêts aléatoires, réseaux de neurones, etc.) et à comparer leurs performances pour identifier les approches les plus pertinentes. Les modèles développés permettront d’optimiser les formulations des matériaux à base de terre stabilisée et d’appuyer la prise de décision dans le choix des stratégies de valorisation.

Ce travail contribuera à la compréhension des mécanismes de stabilisation des sols excavés et à la promotion de leur utilisation dans des matériaux de construction durables et à faible impact environnemental..

Antériorité du sujet dans le laboratoire

Au sein du campus CESI Strasbourg, un premier stage a été mené pour cartographier les sols excavés de la région Est, identifier leurs propriétés et évaluer leur potentiel de réutilisation dans des matériaux de construction en terre. Des échantillons ont été prélevés sur différents chantiers et caractérisés afin d’établir une carte de leur aptitude à la valorisation.

Dans la continuité de ces travaux, le présent stage vise à approfondir la compréhension du comportement mécanique des sols stabilisés et à exploiter les techniques d’intelligence artificielle pour prédire et optimiser leurs performances. Cette approche s’appuie sur l’expertise déjà développée au laboratoire dans la modélisation IA des performances des bétons biosourcés et de leurs formulations.

Programme de travail

• Collecte et structuration des données issues de la littérature et des travaux antérieurs.
• Analyse statistique et identification des paramètres influents.
• Développement et entraînement de modèles d’intelligence artificielle pour la prédiction des performances mécaniques.
• Optimisation des formulations de sols stabilisés à partir des modèles développés.
• Interprétation et valorisation des résultats obtenus.

Profil

Etudiant(e) en dernière année de cycle ingénieur (BAC+5) : Génie civil/BTP, Matériaux, sciences de données.

• Connaissance sur la formulation et la caractérisation des matériaux de construction,
• Motivé pour la recherche, le travail expérimental et la modélisation numérique,
• Excellentes compétences en communication et en rédaction,
• Capacité de synthèse et de gestion de données,
• Des compétences en programmation seraient un plus.

Compétences relationnelles :

• Être autonome, avoir un esprit d’initiative et de curiosité,
• Savoir travailler en équipe et avoir un bon relationnel,
• Être rigoureux.

Prise de fonction

Dès que possible