Thèse Jumeau Numérique Probabiliste pour la Prévision l'Alerte et la Prévention des Risques Naturels à Déclenchement Rapide dans les Petits Bassins Versants de Montagne H/F - Doctorat.Gouv.Fr

Établissement : Institut National Polytechnique de Toulouse École doctorale : SYSTEMES Laboratoire de recherche : LGP - Laboratoire Génie de Production Direction de la thèse : François PERES ORCID 0000000178216651 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-07-01T23:59:59 Description du sujet

Les phénomènes naturels à déclenchement rapide (crues éclair, montées soudaines des eaux, phénomènes torrentiels) représentent un défi majeur pour les territoires de montagne. Leur dynamique est caractérisée par de fortes incertitudes, des temps de réaction très courts et une disponibilité limitée des données, rendant difficile l'utilisation opérationnelle des approches déterministes classiques.

Cette thèse s'inscrit dans le projet européen Interreg POCTEFA RISKRAPID consacré au développement de systèmes de prévision, d'alerte et de prévention des risques naturels à déclenchement rapide dans les petits bassins versants de montagne. Le projet réunit des partenaires français et espagnols autour du développement de nouvelles approches d'observation, de modélisation et d'aide à la décision pour la gestion des risques naturels.

L'objectif scientifique de la thèse est de développer un jumeau numérique probabiliste capable de représenter, prédire et expliquer l'évolution de phénomènes hydrologiques rapides à partir d'un réseau distribué de capteurs hydrométéorologiques. Contrairement aux approches reposant exclusivement sur des modèles physiques ou sur des méthodes d'apprentissage automatique de type boîte noire, l'approche proposée s'appuiera sur les réseaux bayésiens dynamiques afin de combiner connaissances expertes, données d'observation et gestion explicite des incertitudes.

La recherche visera à répondre à plusieurs verrous scientifiques :

- Comment représenter de manière probabiliste la propagation spatio-temporelle de phénomènes rapides dans des bassins versants partiellement instrumentés ?
- Comment exploiter conjointement des observations hétérogènes (hauteurs d'eau, vitesses d'écoulement, précipitations, informations géographiques) dans un cadre cohérent et explicable ?
- Comment concevoir des modèles transférables vers des bassins peu ou non instrumentés ?
- Comment optimiser le positionnement de capteurs afin de maximiser la capacité prédictive du système tout en limitant les coûts d'instrumentation ?
- Comment transformer des prévisions probabilistes en indicateurs directement exploitables par les gestionnaires de crise et les services de secours ?

Les travaux s'articuleront autour de quatre axes principaux :

Axe 1 - Jumeau numérique probabiliste des bassins versants
Développement d'une architecture originale de réseaux bayésiens dynamiques permettant de représenter la structure spatiale des bassins versants, les mécanismes de propagation des phénomènes hydrologiques et les différentes sources d'incertitude.

Axe 2 - Instrumentation intelligente et optimisation des réseaux de capteurs
Développement de méthodes d'analyse de l'information et d'optimisation permettant d'identifier les emplacements les plus pertinents pour l'installation de nouveaux capteurs et d'évaluer la valeur informationnelle des observations disponibles.

Axe 3 - Prévision probabiliste et systèmes d'alerte
Développement d'algorithmes de prévision à court terme du dépassement de seuils critiques et de mécanismes d'alerte probabilistes adaptés aux besoins opérationnels des acteurs de terrain.

Axe 4 - Cartographie dynamique du risque et aide à la décision
Couplage du jumeau numérique avec des systèmes d'information géographique afin de produire des cartes dynamiques intégrant simultanément l'aléa, l'exposition et la vulnérabilité. Les résultats devront être directement exploitables par les services de secours et les gestionnaires de crise.

Les contributions attendues concernent à la fois les domaines du génie industriel, des systèmes complexes, de l'intelligence artificielle explicable et de la gestion des risques naturels. Les travaux donneront lieu à des expérimentations sur des sites pilotes instrumentés dans les Pyrénées franco-espagnoles et à des publications dans des revues internationales de premier plan. Les phénomènes naturels à déclenchement rapide tels que les crues éclair constituent un enjeu majeur pour les territoires de montagne. Leur prévision reste difficile en raison de la forte variabilité spatiale et temporelle des événements, des délais de réaction limités et de la disponibilité souvent réduite des données d'observation.

Les approches physiques traditionnelles nécessitent généralement des données nombreuses et des calibrages complexes, tandis que les approches purement fondées sur l'apprentissage automatique présentent souvent des limitations en matière d'interprétabilité et de gestion de l'incertitude.

Dans ce contexte, les réseaux bayésiens dynamiques constituent une alternative prometteuse permettant de combiner connaissances expertes, données d'observation et raisonnement probabiliste. La thèse s'inscrit dans le projet européen Interreg POCTEFA RISKRAPID consacré au développement de systèmes de prévision, d'alerte et de prévention des risques naturels à déclenchement rapide dans les petits bassins versants de montagne. L'objectif principal de la thèse est de développer un jumeau numérique probabiliste fondé sur les réseaux bayésiens dynamiques afin d'anticiper l'évolution de phénomènes hydrologiques rapides dans des bassins versants partiellement instrumentés.

Les objectifs scientifiques sont :

représenter la propagation spatio-temporelle des phénomènes hydrologiques dans un cadre probabiliste ;
intégrer des données hétérogènes issues de capteurs hydrométéorologiques et de sources géographiques ;
développer des mécanismes de prévision probabiliste du dépassement de seuils critiques ;
optimiser le positionnement des capteurs afin d'améliorer les performances prédictives du système ;
produire des indicateurs et des outils d'aide à la décision directement exploitables par les gestionnaires de crise. Les travaux mobiliseront des approches issues du génie industriel, de l'intelligence artificielle et de la gestion des risques :

- modélisation probabiliste par réseaux bayésiens dynamiques ;
- représentation spatio-temporelle des bassins versants instrumentés ;
- apprentissage des paramètres à partir de données historiques, simulées et temps réel ;
- méthodes d'optimisation pour le positionnement des capteurs ;
- fusion de données multi-sources ;
- analyse de sensibilité et explicabilité des modèles ;
- intégration avec des systèmes d'information géographique ;
- validation sur des cas d'étude réels issus du projet RISKRAPID.

Le candidat devra être titulaire d'un Master 2 ou diplôme équivalent dans l'un des domaines suivants :
- Génie Industriel ;
- Informatique ;
- Science des données ;
- Intelligence artificielle ;
- Mathématiques appliquées ;
Modélisation des systèmes ;
Hydrologie ou hydraulique.

Compétences recherchées :
- probabilités, statistiques et modélisation probabiliste ;
- apprentissage automatique et intelligence artificielle ;
- programmation scientifique (Python souhaité) ;
- traitement et analyse de données ;
- modélisation de systèmes complexes ;
- aptitude à travailler à l'interface entre recherche académique et partenaires opérationnels.

Une expérience en réseaux bayésiens, systèmes dynamiques, gestion des risques, hydrologie ou SIG constituera un atout apprécié mais n'est pas indispensable.

Le candidat devra démontrer une forte motivation pour la recherche, de bonnes capacités rédactionnelles en français et en anglais, ainsi qu'une aptitude au travail collaboratif dans un contexte international et interdisciplinaire. Des compétences en espagnol constitueraient également un avantage certain.