Thèse Mécanismes Microbiens et Électrochimiques dans un Bioréacteur Anaérobie Granulaire à Membranes pour un Traitement Autonome et Efficient H/F - Doctorat.Gouv.Fr

Établissement : Université de Montpellier
École doctorale : GAIA - Biodiversité, Agriculture, Alimentation, Environnement, Terre, Eau
Laboratoire de recherche : IEM - Institut Européen des Membranes
Direction de la thèse : Marc HERAN ORCID 000000019036207X
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-05-07T23:59:59

La thèse de doctorat d'Olga El Kik (2025) a démontré le potentiel des bioréacteurs à membrane anaérobie granulaire (G-AnMBR) associés à l'électrostimulation pour améliorer la production et la purification du biogaz, réduire l'encrassement et éliminer les micropolluants. Cependant, des défis scientifiques et techniques subsistent :
- Compréhension limitée des mécanismes internes spécifiques aux granulés :
communauté bactérienne, stratification des granulés, transfert d'électrons, rôle des exopolymères...
- Impact de l'électrostimulation sur la distribution bactérienne (granulés vs biofilm vs biomasse libre) et l'activité métabolique.
- Stabilité à long terme dans des conditions variables réelles (charge organique, température, composition des effluents).
Ce projet vise ainsi à étudier ces aspects de manière approfondie en combinant une caractérisation avancée des granules, l'optimisation des processus et l'intégration de l'IA pour un contrôle intelligent.
Objectifs de la recherche
Ce projet étudie comment la structure des granules, la stratification microbienne et l'électrostimulation interagissent dans les MBR anaérobies granulaires afin de permettre un traitement intelligent, autonome et décentralisé des eaux usées. Il combine l'intégration de l'IA, l'imagerie multi-échelle et la spectroscopie avec des analyses microbiennes basées sur l'omique afin de relier le DIET/EET, la méthanogénèse et la dégradation des polluants aux performances du réacteur, à sa résilience et à la production de biogaz, comme proposé ci-dessous :
- Caractérisation multi-échelle des granules : analyser la structure physique et chimique des granules (taille, porosité, composition EPS) à l'aide de la SEM, de la FTIR, de la 3DEEM et de l'imagerie 3D. Étudier la stratification microbienne (métagénomique, FISH) et les voies métaboliques (DIET, méthanogénèse, dégradation des micropolluants). Évaluer l'impact de l'électrostimulation sur la répartition des espèces (par exemple, Geobacter, Methanosaeta) et leur activité.
- Dynamique des communautés microbiennes : comparer les rôles des granules, du biofilm et de la biomasse libre dans la dégradation des matières organiques et des micropolluants. Identifier les mécanismes de résilience face aux perturbations (chocs de charge, variations de température). Quantifier le transfert d'électrons (DIET, EET) et sa contribution à la production de biogaz.
- Optimisation des processus pour la mise à l'échelle : tester différentes conditions de fonctionnement (OLR, HRT, température) pour valider la robustesse du système. Développer un prototype autonome (5 PE) avec des eaux usées domestiques réelles. Intégrer des capteurs en temps réel (pH, redox, débit de biogaz) et un contrôle basé sur l'IA pour optimiser les performances.
- Intégration de l'IA pour un contrôle intelligent : utiliser des algorithmes d'apprentissage automatique (réseaux neuronaux, modèles prédictifs) pour corréler les données opérationnelles (débit, composition des effluents) avec les performances du réacteur. Développer un jumeau numérique du G-AnMBR pour simuler des scénarios et optimiser la mise à l'échelle. Automatiser les ajustements des paramètres (par exemple, tension, temps de rétention) en fonction des variations des entrées.

Le projet s'appuie sur des résultats récents (Thèse de Lucie Sanchez et Olga El Kik) montrant le potentiel des G-AnMBR électrostimulés, tout en soulignant des verrous : compréhension limitée des mécanismes internes aux granules (communautés, stratification, rôle des exopolymères, transferts d'électrons), effet de l'électrostimulation sur la répartition granules/biofilm/biomasse libre, et stabilité long terme sous variations d'OLR, température et composition d'effluent.

L'objectif central est d'expliquer comment se structurent des granules (stratification microbienne) en présence d'électrostimulation. Cela afin de comprendre comment les micro-organismes, les condition opératoires, le transfert d'électron interagissent pour améliorer la production/épuration de biogaz, limiter le fouling, et renforcer l'élimination de transformer les polluants en biogaz, tout en garantissant une robustesse sous conditions réelles variables. Le projet vise aussi à valider le passage à l'échelle et à intégrer une brique IA pour le contrôle adaptatif.

La méthodologie combine : caractérisation multi-échelle des granules (SEM, FTIR, 3DEEM, imagerie/3D microtomographie), analyses microbiennes et fonctionnelles (métagénomique, FISH), étude des transferts d'électrons (mesures électrochimiques CV/EIS, marquage isotopique 13C), essais en pilotes 20-100 L avec effluents réels et capteurs (pH, redox, débit biogaz), et IA (Python/TensorFlow/scikit-learn, jumeau numérique type COMSOL/Matlab/GPS-X/Biowin) pour la prédiction et le contrôle automatisé.

L'étudiant devra avoir un master en Master en génie des procédés, biotechnologie ou sciences environnementales et disposer des compétences et qualités suivantes :
- Compétences requises ou très appréciées :
o Expérience en biologie moléculaire (PCR, séquençage) et/ou en électrochimie.
o Maîtrise des outils d'analyse de données (R, Python) et intérêt pour l'IA.
o Connaissance du traitement des eaux usées et des procédés membranaires.
- Qualités personnelles :
o Autonomie, rigueur, capacité à travailler au sein d'une équipe interdisciplinaire.
o Motivation pour les applications pratiques et l'innovation technologique.