Thèse Scénarisation Socio-Économique Interactive de la Transition Énergétique par des Systèmes Multi-Agents Composites H/F - Université Grenoble Alpes

Établissement : Université Grenoble Alpes
École doctorale : STEP - Sciences de la Terre de l'Environnement et des Planètes
Laboratoire de recherche : Institut des Sciences de la Terre
Direction de la thèse : Olivier VIDAL
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-04-25T23:59:59Les transitions énergétiques régionales s'inscrivent dans un contexte de tensions croissantes - climatiques, géopolitiques et économiques - qui complexifient la planification des trajectoires de décarbonation dans un secteur énergétique caractérisé par une forte incertitude (Parias et al., 2025 ; Kuzemko et al., 2024 ; Panos et al., 2023). Ces tensions impliquent une multiplicité d'acteurs aux logiques décisionnelles hétérogènes (États, industriels, société civile) dont les interactions dynamiques déterminent les trajectoires effectives de transition, au-delà des seules contraintes biophysiques.

Pour modéliser les systèmes énergétiques et industriels, MATER (Multi-regional Assessment of Technologies, Energy and Resources) propose un générateur de modèles open-source intégrant dynamiques de flux de ressources naturelles, interdépendances sectorielles et simulation du cycle de vie complet des infrastructures dans un système d'équations unifié (Verzier et al., 2026).
Il répond à un double défi méthodologique : si l'Analyse de Flux de Matières dynamique (dMFA) permet de modéliser les besoins matériaux et cycles de vie des infrastructures énergétiques sous différents scénarios (Le Boulzec et al., 2022 ; Vidal et al., 2018, 2021), elle ne capture pas les interdépendances sectorielles que modélise l'Analyse Input-Output Dynamique (dIOA), laquelle simule l'évolution des stocks et flux en réponse aux changements de demande finale ou de technologies (Duchin & Szyld, 1985 ; Pauliuk et al., 2015). Ces deux approches restent par ailleurs largement développées en silos, à l'écart des modèles de systèmes énergétiques qui constituent le cadre dominant de planification climatique (Kullmann et al., 2021 ; Pauliuk et al., 2017).
MATER, développé au sein de l'équipe de recherche, est précisément conçu pour intégrer ces trois dimensions - dMFA, dIOA, et modèles de systèmes énergétiques - dans un cadre biophysique cohérent couplé à des approches de dynamique des systèmes (Baars et al., 2022), adaptable à tout secteur ou territoire.

Cependant, même intégré dans un tel cadre biophysique, MATER partage avec l'ensemble de ces outils une limite fondamentale : il modélise les leviers d'action des acteurs (capacités industrielles, politiques, processus socio-économiques) mais pas leurs logiques décisionnelles, leurs stratégies ou leurs interactions dynamiques. Les décisions de politiques publiques, d'investissement industriel ou d'acceptabilité sociale y sont traitées comme des paramètres exogènes, figés ou ajustés manuellement par les modélisateurs. Il en résulte une absence d'acteurs endogènes aux logiques décisionnelles hétérogènes, une faible interactivité dans la co-construction de scénarios, et une représentation limitée des incertitudes profondes liées aux comportements humains et aux dynamiques politiques (Baars et al., 2022).

Cette thèse propose de combler ces lacunes en couplant MATER à un système multi-agents socio-économiques, dont les agents intègrent des architectures cognitives composites combinant modèles de langage (LLM), apprentissage par renforcement multi-agents (MARL) et solveurs formels. Ce couplage bidirectionnel permet aux agents de prendre des décisions en tenant compte des impacts biophysiques calculées par MATER, tandis que leurs actions modifient en retour la structure même des modèles générés. La thèse poursuit trois objectifs complémentaires : (1) développer une méthodologie générique de configuration des agents socio-économiques composites permettant de représenter la diversité cognitive des acteurs de la transition énergétique ; (2) valider ce cadre sur trois cas d'usage contrastés - les carburants d'aviation durables (SAF), le captage et stockage de carbone (CCS) et l'agrivoltaïsme ; (3) disséminer les résultats via une librairie Python open-source et des interfaces pédagogiques permettant l'exploration collaborative de futurs énergétiques.

Trois gaps scientifiques identifiés

Gap 1 : Homogénéité des architectures cognitives dans les systèmes multi-agents
Les systèmes multi-agents (SMA) sont largement utilisés pour la gestion énergétique (Yao et al.,
2023), et bien que certains modèles intègrent déjà l'hétérogénéité des investisseurs (Kraan et
al., 2018), la représentation des logiques décisionnelles hétérogènes selon la nature des acteurs
(États, industriels, société civile) reste un défi. Les États pratiquent une planification stratégique
à long terme avec arbitrages multi-critères ; les industriels optimisent leur profit sous contraintestechniques et de marché ; la société civile exerce une influence normative sans leviers d'action
directs. Les approches combinant Large Language Models (LLM) et systèmes multi-agents
émergent comme piste prometteuse pour représenter cette hétérogénéité (Guo et al., 2024), et
des travaux récents montrent que l'hybridation LLM-MARL améliore la convergence et la qualité
des stratégies (MARLIN, 2024 ; YOLO-MARL, 2025 ; LERO, 2025), mais aucune n'intègre simul-
tanément raisonnement symbolique (LLM), optimisation adaptative (MARL) et contraintes
formelles (solveurs) dans des agents différenciés selon leur nature décisionnelle.

Gap 2 : Couplage unidirectionnel entre agents et modèles biophysiques
Le couplage entre agents socio-économiques et modèles biophysiques demeure unidirec-
tionnel : les agents fournissent des paramètres à des modèles énergétiques à structure
fixe (ESM/IAM), sans que la structure biophysique s'adapte dynamiquement aux décisions
stratégiques (Kullmann et al., 2021 ; Pauliuk et al., 2017). L'intégration dMFA-dIOA avec modélisa-
tion générative - où la structure du système (secteurs, technologies, processus de substitution)
évolue en réponse aux trajectoires décisionnelles - reste largement inexploitée (Baars et al.,
2022 ; Wiebe et al., 2019). Ce couplage unidirectionnel limite la capacité à explorer des futurs
énergétiques radicalement différents du système actuel.

Gap 3 : Scénarisation consultative versus interactive
Les méthodes participatives pour la transition énergétique restent majoritairement consul-
tatives plutôt que co-productives (Arnstein, 1969 ; Galende-Sánchez & Sorman, 2021) : les
parties prenantes fournissent des inputs à des modèles pré-définis mais ne co-construisent
pas dynamiquement les scénarios en temps réel (Campfens et al., 2025 ; Fouladvand, 2024
; McGookin et al., 2021). Seules quelques expériences pionnières (DTU, 2019, dans IRENA,
2020) démontrent l'intérêt d'interfaces temps réel où les décideurs explorent et négocient des
trajectoires via simulation immédiate. La littérature identifie le besoin d'outils permettant une
négociation interactive et une co-construction de scénarios au-delà de la simple consulta-
tion sur scénarios pré-établis (Johnson & Karlberg, 2017 ; IRENA, 2025), mais les protocoles
rigoureux et outils opérationnels manquent.

Objectifs de la thèse
Cette thèse propose de développer un cadre méthodologique de scénarisation interactive des
transitions énergétiques via le couplage d'un système multi-agents socio-économiques avec
MATER, un générateur de modèles dIOA à capacités dMFA intégrées, avec endogénéisation des
substitutions technologiques et du recyclage. Trois objectifs structurent la recherche :

Objectif 1 : Établir une méthodologie générique de configuration d'Agents So-
cio-Économiques (ASE) composites (M1-M6)
Développer un cadre permettant de spécifier tout acteur d'un système énergétique (État,
entreprise, collectivité, citoyen, organisation) via un paramétrage modulaire :
- Architecture cognitive composite : combinaison configurable de modules computationnels
(LLM, MARL, solveurs) adaptée à la logique décisionnelle de l'acteur
- Leviers d'action : inputs MATER contrôlables (demande finale, capacités industrielles, tech-
nologies déployées)
- Objectifs et contraintes : fonctions utilité, règles métier, limites budgétaires/techniques,
sociales et environnementales
- Relations inter-agents : protocoles de négociation, mécanismes d'allocation de ressources,
régulations hiérarchiques

Objectif 2 : Valider la méthodologie sur trois cas d'application contrastés
Démontrer la généricité et l'adaptabilité de la méthodologie via trois exemples de transition
énergétique sectorielle, en testant différentes dimensions des gaps identifiés telles que la
coordination hiérarchique multi-niveaux, la négociation avec conflits normatifs et le couplage
bi-directionnel entre agents et modèle.
Cas 1 (M6-M12) : Sustainable Aviation Fuels (SAF) avec comme système d'acteurs hétérogènes : les
régulateurs internationaux/nationaux, les avionneurs, les énergéticiens, les associations et les
citoyens
Cas 2 (M12-M18) : Carbon Capture & Storage (CCS) avec comme système d'acteurs hétérogènes :
les industriels (cimentiers/sidérurgistes, les stockeurs et les transporteurs de CO2), les États
(subventions), les associations (opposition), les riverains
Cas 3 (M12-M18) : Agrivoltaïsme avec comme système d'acteurs hétérogènes : agriculteurs, collectivités territoriales, développeurs PV, associations

Objectif 3 : Diffuser la méthodologie via un outil open-source et des interfaces pédagogiques
(M18-M30)
3.1 Un outil open-source de scénarisation interactive
Développer un outil open-source permettant de configurer des ASE composites à façon et de
les connecter à des modèles MATER pour la scénarisation interactive des transitions énergé-
tiques. Cet outil sera développé de façon itérative au fil des cas d'application et s'intégrera à
l'écosystème logiciel MATER existant, dans une logique de contribution à la communauté plutôt
que de développement parallèle.
3.2 Jeu sérieux multijoueurs (collaboration Catherine Rolland)
Participer à la conception d'une application pédagogique de la méthodologie, envisagée sous
deux formats :
- Jeu vidéo multijoueurs : chaque joueur incarne un ASE, négocie en temps réel, MATER simule
les impacts, feedback visuel immédiat
- Jeu d'atelier présentiel : jeu de rôles avec un MATER simplifié, facilitateur-arbitre
Public cible : formations des décideurs, ateliers citoyens, cursus universitaires
Le travail de conception est en cours dans le cadre du 'PEPR Sous-sol, bien commun' et un
partenariat est possible. Pour information, la conception est réalisée par l'équipe de Catherine
Rolland tandis que la réalisation effective du ou des jeux sera confiée à une entreprise spécial-
isée dans un second temps.

Risques
Plusieurs risques sont identifiés:
Maîtrise des cas d'études. Trois cas sont envisagés, et peuvent être traités du fait des connaissances acquises par le directeur de thèse sur ces technologies. S'il s'avérait trop long de traiter les trois cas, nous nous focaliserions sur deux.
Jeux sérieux. Comme nous l'avons indiqué plus haut, le développement du jeu sérieux est développé en partenariat avec l'équipe Mater. Nous ne développerons pas le jeu, mais nous donnerons des éléments aux développeurs. Si, là encore, nous devions manquer de temps, le travail sera proposé à un stagiaire sous encadrement de la doctorante et de ses directeurs de thèse.

Méthodologie envisagée
Architecture d'un Agent Socio-Économique (ASE) composite
Un ASE est un agent autonome modulaire représentant un acteur du système énergétique. Il
est composé de 1 à 3 modules computationnels configurables selon la logique décisionnelle
de l'acteur :
Modules disponibles :
- LLM (Large Language Model - GPT-4, Claude, Mistral, spécialisés) :
Raisonnement stratégique en langage naturel, interprétation de contexte complexe, généra-
tion de propositions, négociation inter-agents, explicabilité des décisions
- MARL/RL (Multi-Agent Reinforcement Learning - PPO, SAC, MADDPG) :
Apprentissage de politiques optimales par interaction, adaptation dynamique aux stratégies
adverses, gestion des incertitudes
- Solveurs/Optimiseurs (MILP, programmation par contraintes) :
Optimisation déterministe, respect de contraintes formelles (budgets, normes techniques),
garanties mathématiques

Divers modes de coordination inter-modules sont envisagés, tels que le mode centralisé (LLM
pilote la stratégie globale délègue calculs tactiques à MARL/solveurs intègre résultats),
le mode décentralisé (modules fonctionnent en parallèle agrégation par vote, médiane ou
Pareto) ou le mode hybride (LM génère objectifs haut-niveau MARL affine tactiques solveur
vérifie faisabilité).

La méthodologie repose sur une distinction fondamentale entre type et instance :
- Un type d'ASE définit l'architecture cognitive générique d'une catégorie d'acteur, caractérisée
par sa logique décisionnelle, ses leviers d'action et ses modes d'influence dans le système
énergétique.
- Une instance d'ASE est une implémentation concrète d'un type, spécifiée par ses paramètres
propres - idéologie, contraintes, objectifs, horizon temporel. Deux instances d'un même type
peuvent produire des trajectoires radicalement différentes.Cette séparation permet de tester systématiquement l'influence des logiques décisionnelles sur les trajectoires de transition, à architecture constante.

Il est possible de définir un ensemble initial de types d'ASE - État, Industriel, NGO, Citoyen -
fondés sur la littérature : la variabilité des logiques étatiques selon les positions idéologiques
des gouvernements (Arnauld de Sartre et al., 2025), la diversité des stratégies industrielles sous
contrainte technique et réglementaire (Fouladvand et al., 2024), le rôle normatif de la société
civile sans levier d'action direct (Campfens et al., 2025), et les comportements citoyens face à
l'incertitude dans les transitions énergétiques (Chadwick et al., 2022). Le framework n'est pas
limité à ces types : l'architecture composite permet d'en définir de nouveaux selon les besoins
du scénario étudié.

Couplage bidirectionnel avec MATER
Le système d'acteurs se structure en deux catégories selon leur mode d'action sur le système
énergétique. Les ASE à leviers directs (États, industriels, collectivités) disposent d'un module
Traducteur convertissant leurs décisions stratégiques en inputs MATER (demande finale, ca-
pacités industrielles, technologies déployées). Les ASE à influence indirecte (NGO, citoyens)
agissent uniquement via la négociation inter-agents, sans modifier directement les paramètres
du modèle.

1. Décisions ASE (politiques, capacités industrielles, technologies, comportements)

2. Inputs MATER (scénarios exécutables : demande finale, capacités, technologies disponibles)

3. Simulation MATER (évolution dynamique stocks/flux matériels-énergétiques, interdépendances input-output physiques, substitutions production primaire/recyclage)

4. Feedback vers ASE (impacts physiques, contraintes ressources, tensions matériaux,
opportunités substitution technologique)

5. Apprentissage/Ré-négociation ASE (adaptation stratégies selon feedback biophysique)

6. Nouvelle itération

Scénarisation interactive :
- Mode autonome : exploration automatisée de l'espace des scénarios (les ASE négocient et
apprennent sans intervention humaine)
- Mode human-in-the-loop : les parties prenantes incarnent des ASE ou supervisent les
négociations, ils interviennent ponctuellement pour orienter les trajectoires
- Mode 'war room' : les décideurs explorent des trajectoires en temps réel via une interface
interactive (inspiration DTU Model Lab, dans IRENA, 2020)

Adaptation bidirectionnelle :
Cette boucle permet la co-évolution des stratégies socio-économiques et de la structure
biophysique du système (MATER) : les décisions ASE modifient la demande finale, les capacités
et les technologies disponibles, tandis que les tensions sur les ressources et les contraintes
physiques émergentes influencent en retour la ré-négociation et l'apprentissage des agents -
dépassant le paradigme classique où les acteurs fournissent des paramètres à un modèle à
structure fixe (Kullmann et al., 2021).

Champs de littérature hétérogènes
Le projet est grandement pluri- et trans-disciplinaire : il touche à des champs de littérature très hétérogènes, tels que la question des transitions énergétiques et environnementales vue par les sciences humaines et sociales, la quantification des systèmes énergétiques et industriels avec le prisme de l'écologie industrielle, la sphère technique des systèmes multi-agents avec et sans intelligence artificielle, le développement logiciel d'un outil open-source à intégrer dans l'écosystème MATER.
L'équipe d'encadrement maîtrise ces bibliographies. Si besoin, des stagiaires seront recrutées pour contribuer à l'exploration et à l'appropriation de sujets spécifiques.

Master (ou équivalent) dans un domaine pertinent, tel que l'informatique, les sciences de l'ingénieur, les mathématiques appliquées, les sciences de l'énergie.

Le profil idéal a un intérêt pour la modélisation énergétique et/ou les systèmes socio-écologiques et une sensibilité aux enjeux de transition énergétique.

Compétences techniques requises :

* Maîtrise du langage de programmation scientifique Python

* Expérience en développement d'architectures logicielles modulaires et maintenables

* Familiarité avec les pratiques de développement open-source (Git, CI/CD, documentation technique)

* Compréhension des systèmes multi-agents et de leurs architectures

* Connaissances en optimisation (solveurs mathématiques, programmation linéaire/mixte), en apprentissage par renforcement (MARL) et/ou en modèles de langage (LLM) et leur intégration dans des systèmes logiciels

Compétences transversales :

* Recherche interdisciplinaire :\
Capacité à intégrer des concepts issus de disciplines variées (IA, modélisation biophysique, théorie des jeux, sciences participatives)

* Communication et collaboration :\
Excellentes aptitudes à la communication écrite et orale, en français et en anglais, à présenter des résultats techniques à des publics variés (académiques, industriels, décideurs), à collaborer avec des équipes pluridisciplinaires et des partenaires externes

* Autonomie et initiative :\
Capacité à concevoir et développer des prototypes logiciels de manière autonome\
Rigueur scientifique et capacité d'auto-formation sur de nouvelles technologies\
Motivation intrinsèque pour contribuer à des outils open-source à impact sociétal