DOCTORANT - PROJET VALBIOS (F/H)

À Amiens, Beauvais, Rennes et Rouen, UniLaSalle, établissement d’enseignement supérieur et de recherche, propose des formations d’ingénieurs post-bac en 5 ans, une formation vétérinaire post-bac en 6 ans (depuis septembre 2022), des bachelors ainsi que des masters dans les domaines de l’agriculture, de l’agroalimentaire, de l’alimentation-santé, de l’environnement, des géosciences, des énergies et du numérique.

Labellisé EESPIG (Établissement d'Enseignement Supérieur Privé d'Intérêt Général), UniLaSalle est membre de la Conférence des Grandes Écoles et ses formations d’ingénieur sont habilitées par la CTI (Commission des Titres d'Ingénieur). UniLaSalle fait partie du réseau d’enseignement mondial La Salle constitué de 72 universités et s’appuie sur 260 universités partenaires à l’étranger. L’Institut compte aujourd’hui 4 000 élèves, accompagnés par 632 salariés dont 180 enseignants chercheurs, 40 doctorants et 27 000 alumni.

Inauguré en 1995 sous le nom ESIEE Amiens, le campus est situé en bord de Somme et se distingue par son architecture originale. Depuis le 1er octobre 2020, il a rejoint le groupe UniLaSalle et compte 59 salariés. Il accueille environ 650 étudiants chaque année et les forme sur les thématiques de l’énergie et du numérique.

Dans le cadre d’une création de poste et afin de renforcer l'unité de recherche GENUMER, nous recherchons un Doctorant en CDD de 36 mois pour le campus d'Amiens (80), poste à pourvoir dès que possible.

1.1 Contexte général

La transformation numérique des industries de bioprocédés constitue un levier stratégique majeur pour améliorer la productivité, la qualité et la durabilité des productions issues du vivant. La conduite de fermentations met en jeu des populations cellulaires vivantes dont l’état physiologique évolue dynamiquement, rendant le comportement des lignes de production intrinsèquement non-linéaire, variable et sensible à de multiples facteurs interdépendants. De nombreuses installations demeurent aujourd’hui pilotées de manière largement empirique, sur la base de recettes figées et de l’expérience des opérateurs, sans exploitation systématique de la richesse informationnelle contenue dans les données de production. Dans ce contexte, le concept de jumeau numérique, réplique virtuelle d’une installation physique continuellement alimentée par les données du réel, s’impose comme une rupture technologique permettant de simuler, prédire et optimiser le comportement d’une ligne de production en temps réel.

Deux grandes familles d’approches structurent historiquement la modélisation des bioprocédés. Les modèles déterministes (mécanistes), fondés sur la description des mécanismes biologiques et des bilans de matière, offrent robustesse et interprétabilité, mais reposent sur des hypothèses simplificatrices et des paramètres difficiles à identifier en conditions réelles. À l’inverse, les modèles issus de l’apprentissage automatique captent des relations complexes directement à partir des données, au prix d’une moindre interprétabilité et d’un besoin important en données représentatives. C’est à l’interface de ces paradigmes que se situe l’approche hybride, cœur scientifique du présent projet : la modélisation hybride semi-paramétrique combine un socle mécaniste, garant de la cohérence physique, avec des composantes d’apprentissage chargées de représenter les phénomènes mal connus.

1.2 Contexte industriel

BIOCODEX, acteur industriel de la filière des bioprocédés, produit par fermentation des principes actifs d’intérêt pharmaceutique. Les travaux préparatoires de la Chaire VALBIOS ont mis en évidence deux lignes de production, la ligne SB et une seconde ligne, composées chacune de plusieurs opérations unitaires et présentant des niveaux de maturité et de disponibilité de données très contrastés. La première correspond à une ligne établie, stable et répétable, offrant un cadre favorable à la modélisation, mais dont les données de production restent aujourd’hui peu numérisées et historisées. La seconde correspond à une ligne moins répétable, dont l’historique de production est encore limité et qui est appelée à connaître d’importantes évolutions technologiques : elle constitue un contexte exploratoire pour lequel l’enjeu prioritaire est la maîtrise et l’anticipation des dérives à partir d’un faible nombre d’observations. Pour préserver la confidentialité, les caractéristiques détaillées de ces lignes ne sont pas exposées ici et seront précisées dans le cadre des instances de gouvernance de la Chaire.

La question des données est ainsi centrale et transversale aux deux lignes : données faiblement numérisées, données non historisées de manière systématique, et données partiellement détenues par des tiers. Ces problématiques convergent vers un même besoin, la construction d’un data lake structuré capable d’agréger des données hétérogènes, de les normaliser et de les rendre exploitables. Ce socle de données, mis en place dans le cadre d’une action dédiée de la Chaire (ingénierie de la donnée), est le préalable indispensable à la conception du jumeau numérique, objet de la présente thèse.

2. Problématique

Les modèles mécanistes classiques présentent une capacité prédictive limitée en conditions réelles, du fait de l’hypothèse de constance des paramètres, tandis que les approches purement guidées par les données requièrent des volumes importants d’observations rarement disponibles. La difficulté est double : construire des capteurs logiciels et des modèles prédictifs fiables pour une ligne stable mais numériquement pauvre, et développer des stratégies d’apprentissage frugal pour une ligne exploratoire à l’historique encore limité, tout en définissant un cadre générique de couplage entre le data lake et les modèles.

La question de recherche s’articule ainsi : Comment concevoir, développer et valider une architecture de jumeau numérique hybride, couplant modèles mécanistes de fermentation et apprentissage automatique à partir d’un data lake industriel, permettant la prédiction et l’optimisation de lignes de production de micro-organismes vivants présentant des niveaux de maturité et de disponibilité de données contrastés ?

Conformément au cadre du mécénat, les travaux s’inscrivent dans un objectif d’intérêt général, avec des résultats destinés à être valorisés dans un cadre académique et rendus publics, à un niveau de maturité technologique (TRL) n’excédant pas 3.

3. Objectifs

Le projet vise à fournir les fondations méthodologiques et les premières briques d’un jumeau numérique exploitable par le partenaire industriel, tout en contribuant à l’intégration de l’intelligence artificielle dans la modélisation des bioprocédés. Trois objectifs scientifiques structurent la thèse.

Objectif 1 : Architecture hybride optimale. Concevoir une architecture couplant un modèle mécaniste de fermentation (bilans de matière, cinétiques de croissance microbienne) et des composantes d’apprentissage automatique. Trois stratégies de couplage seront explorées et comparées : en série (le réseau estime des paramètres ou termes non modélisés alimentant le modèle mécaniste), en parallèle (fusion de prédictions) et intégrée de type physics-informed. La sélection reposera sur des critères de performance prédictive, de stabilité numérique et d’interprétabilité.

Objectif 2 : Capteurs logiciels et modèles prédictifs. Développer, pour la ligne SB, des capteurs logiciels (soft sensors) estimant en ligne les indicateurs de qualité et de production critiques à partir des variables mesurables ; et, pour la seconde ligne, des modèles de détection et de diagnostic des dérives et défaillances. Des stratégies d’apprentissage frugal (few-shot learning, apprentissage par transfert, méthodes bayésiennes, processus gaussiens) seront mobilisées, incluant le transfert de connaissances de la ligne SB vers la seconde ligne, dont l’historique est encore limité.

Objectif 3 : Cadre de couplage données–modèle et validation. Définir un cadre d’assimilation continue des données du data lake permettant l’ajustement dynamique des paramètres du modèle tout en garantissant la cohérence physique, et produire les spécifications fonctionnelles du jumeau numérique (architecture logicielle, flux de données, interfaces). Ces spécifications devront s’appuyer sur les systèmes existants du site (supervision, systèmes d’information de production et de laboratoire) et s’interfacer avec eux, sans s’y substituer. La validation se fera en deux temps : d’abord sur données historiques, en comparant les prédictions du jumeau aux résultats effectivement observés sur des lots passés ; puis en conditions réelles, le jumeau fonctionnant en parallèle de la production sur les données du data lake au fil de leur arrivée, en simple observateur, sans agir sur la conduite des lignes.

4. Méthodologie de recherche

Le projet s’inscrit à l’interface entre génie des procédés, modélisation mathématique et intelligence artificielle, selon une méthodologie itérative associant développements théoriques, implémentations numériques et validations, avec des livrables réguliers de type MVP/POC.

Architecture du modèle hybride : le modèle sera structuré en trois couches interdépendantes. Une couche mécaniste décrira la croissance de la biomasse, la consommation des substrats et les cinétiques clés par des bilans de matière, en remplaçant les coefficients constants par des fonctions dépendant des conditions opératoires. Une couche d’apprentissage (réseaux récurrents LSTM/GRU pour la ligne SB ; approches frugales et probabilistes pour la seconde ligne) représentera les phénomènes non capturés et estimera les variables non mesurées, sous contraintes de cohérence physique. Une couche de couplage et d’orchestration assurera l’assimilation des données et l’ajustement dynamique des paramètres, constituant le cœur du cadre de couplage données–modèle.

Données et validation : les travaux s’appuieront sur le data lake de la Chaire, après prétraitement (détection d’aberrations, imputation, synchronisation, normalisation). Le modèle mécaniste sera d’abord calibré par optimisation globale (algorithmes génétiques, essaims particulaires) et analyse de sensibilité ; les composantes d’apprentissage seront ensuite entraînées avec validation croisée temporelle ; enfin le modèle hybride complet sera validé sur données indépendantes, avec des métriques diversifiées (RMSE, R², MAPE, capacité d’anticipation des défaillances). Les aspects de sécurité et de traçabilité des flux de données seront traités en lien avec la thèse CIFRE de déploiement et de cybersécurité, menée hors Chaire.

Hypothèses de travail. (H1) L’enrichissement d’un modèle mécaniste par apprentissage améliore significativement sa capacité prédictive ; (H2) le couplage hybride surpasse chacune des deux approches prises isolément ; (H3) les stratégies d’apprentissage frugal et de transfert permettent de construire des modèles utiles pour la seconde ligne malgré le faible volume de données.

5. Planning prévisionnel

Année 1 : Fondements et premiers modèles exploratoires SB. Revue de littérature (modélisation des bioprocédés, jumeaux numériques, modélisation hybride, apprentissage frugal) ; appropriation du data lake et cartographie des données SB ; formulation et calibration préliminaire du modèle mécaniste SB ; premiers modèles exploratoires SB ; définition des spécifications fonctionnelles du jumeau numérique. Livrables : revue de littérature ; premiers modèles exploratoires SB ; spécifications fonctionnelles du jumeau numérique.

Année 2 : Modèle hybride et extension à la seconde ligne. Entraînement et validation du modèle hybride SB ; intégration en architecture complète et tests de robustesse ; adaptation à la seconde ligne et mise en œuvre des stratégies d’apprentissage frugal et de transfert ; développement du cadre de couplage données–modèle ; première communication scientifique.

Année 3 : Validation, intégration et valorisation. Validation approfondie (robustesse et résilience) sur données indépendantes ; prise en compte des exigences de sécurité/traçabilité ; évaluation des apports avec les équipes du partenaire ; publications ; rédaction du manuscrit et préparation de la soutenance.

6. Encadrement et environnement de recherche

La thèse sera réalisée à l’Institut Polytechnique UniLaSalle, campus d’Amiens, au sein de l’unité de recherche GeNumEr (Géosciences, Numérique et Énergies), qui dispose d’infrastructures numériques haute performance pour la modélisation et la simulation. Le doctorant effectuera des déplacements ponctuels sur le site de BIOCODEX à Beauvais, dans le cadre des échanges avec le partenaire mécène et des instances de gouvernance de la Chaire VALBIOS (Comité de Pilotage et Comité d’Orientation Scientifique). Conformément au cadre du mécénat, les travaux relèvent de la responsabilité scientifique et académique du bénéficiaire, dans la limite d’un TRL n’excédant pas 3.

La direction de thèse (titulaire d’une HDR) sera assurée par M. Hervé COPPIER.

L’encadrement scientifique sera assuré par M. Arnaud DUJANY et Mme Thérèse ANDJUI.

Le doctorat sera inscrit à l’École Doctorale de l’Université de Technologie de Compiègne (UTC).

Profil :

Titulaire d’un diplôme d’ingénieur ou d’un Master en génie des procédés, mathématiques appliquées ou science des données.

Compétences attendues : modélisation et simulation numérique, programmation Python, apprentissage automatique ; un intérêt pour les bioprocédés est apprécié.

Rigueur, autonomie, respect de la confidentialité et aisance en anglais scientifique.

Modalités : thèse de 3 ans financée par la Chaire VALBIOS (mécénat).

Ce que nous proposons :

Ce poste est à pourvoir en CDD de 36 mois sur notre campus d’Amiens (80).

Rémunération brute annuelle selon le barème Doctoral en vigueur.

Au-delà de la rémunération, nous proposons également :

• 6 semaines de congés payés

• RTT: Environ 22 par an

• 20 à 34 jours de télétravail annuel

• Politique de formation du personnel ambitieuse

• Restauration d’entreprise avec prise en charge partielle employeur (45%)

• Plan d’Epargne Entreprise

• Retraite supplémentaire

• Mutuelle prise en charge à 100% par l'employeur

• Œuvres sociales du CSE (Comité social et économique)

• Parking salarié