Thèse Iasic l'IA Distribuée au Service de l'Industrie Connectée H/F - Doctorat.Gouv.Fr

Établissement : Université de technologie de Troyes École doctorale : Sciences Pour l'Ingénieur Laboratoire de recherche : Laboratoire Informatique et Société Numérique Direction de la thèse : Moez ESSEGHIR Début de la thèse : 2026-10-01 Date limite de candidature : 2026-04-30T23:59:59 L'industrie entre aujourd'hui dans une phase clé de sa transformation numérique. Les nouvelles générations de réseaux comme la 5G et bientôt la 6G ne sont pas seulement des technologies de communication plus rapides : elles représentent un véritable moteur de compétitivité, capable de transformer en profondeur les secteurs stratégiques tels que les transports, l'énergie et surtout l'industrie. Grâce à l'Internet des objets industriels (IIoT), les usines et systèmes de production génèrent déjà des quantités massives de données qui, une fois analysées, permettent d'améliorer la performance, d'anticiper les pannes, de réduire les coûts et d'automatiser de nombreuses tâches. Cependant, deux freins majeurs subsistent : le coût économique d'un déploiement à grande échelle et le coût énergétique lié au traitement massif des données via les infrastructures Cloud et Edge. Ces enjeux font obstacle à l'adoption généralisée des solutions numériques dans l'industrie, en particulier pour les petites et moyennes entreprises. C'est dans ce contexte qu'intervient ce projet, dont l'originalité repose sur l'intégration d'une intelligence artificielle distribuée capable d'orchestrer intelligemment les ressources disponibles (objets IIoT, Edge et Cloud). L'objectif est de concevoir une architecture flexible, adaptable aux différents environnements industriels, et d'optimiser en temps réel la répartition des traitements afin d'allier haute performance, réduction de la latence et efficacité énergétique. Concrètement, le projet prévoit de développer des outils méthodologiques et technologiques permettant à la fois une gestion optimisée des ressources, une automatisation des processus industriels et une maîtrise de la consommation énergétique. Les retombées attendues sont l'accélération de la réindustrialisation durable par le numérique grâce à la démonstration par nos travaux des gains en productivité, en réduction des coûts et maîtrise de la consommation énergétique. Plus globalement, le projet contribuera à renforcer la souveraineté et la compétitivité technologique de la France et de l'Europe, tout en s'inscrivant dans les objectifs de développement durable et de responsabilité sociétale de l'UTT. L'essor des nouvelles générations de réseaux de communication, tels que la 5G SA et la 6G, ouvre la voie à des infrastructures offrant davantage de connectivité, de débit, de robustesse, de flexibilité et de sécurité. Ces avancées s'appuient sur des briques technologiques émergentes incluant la virtualisation, l'orchestration, l'automatisation et, plus récemment, l'intégration de manière native de l'intelligence artificielle (IA). Ces réseaux nouvelle génération visent à transformer des secteurs clés tels que les transports, l'énergie et surtout l'industrie, avec des objectifs de développement et de réindustrialisation.L'industrie souhaite effectivement accélérer sa transformation numérique et l'IoT industriel représente une autre brique technologique permettant d'atteindre cet objectif. Les objets IIoT produisent des flux de données hétérogènes, nécessitant une collecte, un traitement et une analyse en temps réel. L'exploitation de ces dispositifs va permettre de générer des informations à forte valeur ajoutée, des outils d'aide à la décision et dans certains cas une automatisation des actions industrielles.

Pour répondre à cette transformation, l'architecture dominante adoptée repose sur un modèle 3-tiers : IIoT - Edge - Cloud, où le traitement peut être distribué selon des contraintes de délai, de ressources de calcul et de criticité des tâches. L'enjeu principal consiste à trouver une articulation optimale entre les ressources disponibles aux différents niveaux de cette architecture et les exigences industrielles. Plusieurs travaux récents explorent cette thématique, mais ils négligent souvent deux aspects majeurs :
- Le coût économique de mise en oeuvre et de scalabilité des solutions,
- Le coût énergétique lié à l'utilisation de l'IA et de l'Edge/Cloud.

Ces freins constituent un obstacle à l'adoption à grande échelle de ce type de solutions dans l'industrie.
L'originalité de ce travail réside dans l'intégration d'une IA distribuée comme mécanisme fédérateur et décisionnel, permettant une exploitation synergique des ressources Edge et Cloud au sein d'environnements industriels variés, tout en intégrant dès la conception les contraintes de coûts économiques et énergétiques souvent négligées dans les contributions existantes. Les objectifs de ce projet sont :
- Concevoir une architecture flexible et évolutive intégrant une IA distribuée, de la virtualisation et de l'automatisation.
- Optimiser la répartition dynamique des charges entre les noeuds IIoT, Edge et Cloud.
- Proposer une méthodologie permettant de concilier hautes performances, faible latence et efficacité énergétique.
- Evaluer l'impact économique et énergétique des solutions proposées afin de lever les freins à leur adoption en milieu industriel.
Pour atteindre les objectifs fixés, la méthodologie envisagée reposera sur une combinaison d'approches théoriques, algorithmiques et expérimentales permettant de traiter la complexité des environnements industriels connectés.
En premier lieu, une modélisation mathématique du système et de ses contraintes sera élaborée, de manière à formaliser les interactions entre les différents niveaux de l'architecture distribuée (IIoT, Edge, Cloud) et à identifier les contraintes dans les environnements industriels. Cette étape sera complétée par l'identification d'indicateurs de performance (KPI) pertinents, tels que la latence, les ressources allouées, l'efficacité énergétique et le coût, qui serviront de référence pour la conception et l'évaluation des solutions proposées.
Sur le plan algorithmique, le projet développera des approches basées sur l'apprentissage fédéré et multi-agents, capables de traiter des données décentralisées et hétérogènes. Aussi, des algorithmes d'offloading intelligent, seront développés afin de répartir dynamiquement les traitements de données entre Edge et Cloud, tout en tenant compte des contraintes temporelles, énergétiques et économiques propres aux différents scénarios qui seront étudiés.
L'efficacité et la pertinence des solutions seront validées par une évaluation multicritère approfondie intégrant coût de l'infrastructure, performances et consommation énergétique.
Enfin, le projet aboutira au développement de nouveaux outils de décision et d'automatisation, destinés à optimiser l'allocation de ressources et à favoriser un pilotage adaptatif des environnements étudiés, renforçant ainsi la résilience et l'efficacité globale de l'architecture proposée.

Formation académique :
Master 2 (ou équivalent) en informatique, réseaux, intelligence artificielle ou génie industriel, avec une spécialisation en réseaux, IA distribuée ou optimisation des systèmes.
Expérience solide en modélisation mathématique (théorie des jeux, optimisation combinatoire, apprentissage automatique) et en simulation de systèmes complexes.

Compétences clés :
IA distribuée : Maîtrise des approches telles que l'apprentissage fédéré, les systèmes multi-agents ou l'apprentissage par renforcement, appliquées à des environnements décentralisés.
Réseaux et architectures distribuées : Bonne compréhension des architectures IIoT-Edge-Cloud et des protocoles de communication modernes (5G/6G).
Optimisation et résolution de problèmes : Capacité à modéliser et résoudre des problèmes d'optimisation à l'aide de méthodes comme les algorithmes génétiques.

Qualités personnelles et professionnelles :
Autonome et rigoureux·se, avec une forte capacité à travailler de manière indépendante.
Esprit collaboratif, doté·e d'excellentes compétences en travail d'équipe et en communication.
Maîtrise de l'anglais scientifique (niveau C1 ou supérieur), incluant la rédaction d'articles, les présentations orales et les échanges internationaux.