Thèse Méthode de Focalisation en Tous Points Tfm et Contrôle Ultrasonore Multimode de Pièces Industrielles de la Cartographie des Sensibilités à l'Aide à la Décision en Situation Terrain H/F - Doctorat.Gouv.Fr

Établissement : Université Paris-Saclay GS Informatique et sciences du numérique École doctorale : Sciences et Technologies de l'Information et de la Communication Laboratoire de recherche : Systèmes et Applications des Technologies de l'Information et de l'Energie Direction de la thèse : Thomas RODET ORCID 0000000304739390 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-07-12T23:59:59 De nouvelles approches de contrôle non destructif ont été développées ces dernières pour les pièces industrielles dans les centrales nucléaires. Ces méthodes permettent de détecter plus précocement des défauts, mais elles sont très difficiles à mettre en oeuvre car il y a beaucoup de degré de liberté. L'objectif de cette thèse est de faire une
analyse physique de la propagation des ondes acoustiques pour mieux comprendre le principe de mesure dans des cas complexe. De plus, cette analyse débouchera se le développement de stratégie de mesure et visera
à faire un premier jeu de mesure standard permettant de déterminer des jeux de mesures optimaux pour la pièce inspecter ainsi que pour le type de défaut à détecter. La production d'énergie électrique d'origine nucléaire s'inscrit aujourd'hui dans une dynamique de
prolongation de la durée de vie des installations, avec des horizons d'exploitation étendus bien
au-delà des cadres initiaux de conception. Cette évolution se traduit par une augmentation
significative des besoins en contrôles non destructifs, tant en fréquence qu'en complexité, afin de
garantir le niveau de sûreté requis sur des composants soumis à des mécanismes de vieillissement
cumulés. Le but de ce doctorat sera d'y contribuer, en améliorant et développant des approches
ultrasonores hautes performances basées sur de nouveaux systèmes de mesure et du traitement de
données de haut niveau.
L'imagerie utilisée la plus évoluée actuellement est celle dite de focalisation en tous points
(TFM ou Total Focusing Method) [e.g., Sy et al. 2018, Ménard et al. 2020, 2021, Granados et al.
2023], avec ses différents modes élastiques associés, méthode sur laquelle portera l'essentiel de la
thèse ici. Cette méthode exploite un ensemble de transducteurs ultrasonores en émission/réception
et après traitement approprié il y a focalisation sur les défauts affectant les pièces contrôlées. La
réflexion des ondes élastiques sur les parois et les conversions de modes aux discontinuités, e.g.,
faces et arêtes de défauts, sont pris en compte afin de recueillir des données aussi complètes que
possible.
La difficulté de mettre en oeuvre une telle approche dans un contexte de contrôle industriel
est la nécessité de maîtriser et d'interpréter l'impact combiné de nombreux paramètres d'acquisition
et de traitement rendant l'inspection fortement dépendante de l'expertise de l'opérateur et de la
connaissance préalable du composant à inspecter ainsi que du ou des défauts recherchés. Le but de
la thèse est en conséquence de rendre ce type d'inspection plus robuste afin de renforcer la sûreté
des installations nucléaires. Les objectifs concernent principalement trois aspects. Premièrement, la compréhension des
différents paramètres qui influent la qualité des images TFM, qu'ils soient liés à l'émission et la
réception des ondes ultrasonores, à la géométrie des pièces à inspecter, à la structure des matériaux
les constituant, et liés à l'implémentation des approches utilisées. Cette compréhension nécessitera
une étude bibliographique approfondie, mais aussi l'acquisition de mesures en conditions du réel ou
proches du réel (alors via maquettes) en faisant varier les différents paramètres, en s'aidant autant
que d'intéressant sur des simulations numériques via algorithmes appropriés. Suite à cette prise en
main, une étude de sensibilité des paramètres de mesure sera effectuée afin de dégager des stratégies
de mesure permettant d'obtenir les réglages de l'appareil (le système de transducteurs en
émission/réception) de manière efficace. Cet objectif sera atteint au travers d'une cartographie de la
sensibilité des différents paramètres.
Le second objectif est à partir d'une mesure sur la pièce 'vraie' ou bien d'une mesure sur une
pièce de calibration (les maquettes mentionnées) de développer une méthode permettant de définir
les paramètres de mesures optimaux. Pour cela, les approches itératives dites d'experimental design,
e.g., [Wang et al. 2023] et de choix de modèle Nested Sampling, e.g., [Skilling 2004, Cai et al.,
2016] seront explorées, et bien entendu des approches basées sur les réseaux profonds, e.g.,
[Cantero-Chinchilla et al. 2022, Pyle et al. 2022]. L'idée est en résumé d'utiliser la compréhension
de la formation des images TFM afin d'intégrer ces informations dans ici la détermination des
paramètres, sans doute via une méthodologie bayésienne, ce point devant naturellement être précisé.
Ces approches d'optimisation s'inscrivent dans la continuité de la compréhension physique et de la
cartographie, et visent principalement à structurer l'aide à la décision plutôt qu'à remplacer
l'expertise opérateur.Le troisième objectif est de formaliser des critères physiques et métrologiques pertinents
permettant d'identifier, parmi un ensemble d'images TFM acquises, les configurations les plus
exploitables pour l'opérateur. L'approche d'intelligence artificielle que l'on classifiera comme
classique qui est envisagée ici, on citera par exemple [Miorelli et al. 2024], intervient comme outil
d'assistance à l'opérateur, permettant d'exploiter la cartographie de sensibilité construite, sans se
substituer à l'interprétation humaine, ni constituer un objectif algorithmique en soi.
La contribution attendue correspond à la définition et la collecte de mesures permettant de
générer une base d'apprentissage appropriée, en garantissant qu'elle soit suffisamment complète.
Un autre aspect important est ici l'utilisation des connaissances acquises précédemment afin de
déterminer les prétraitements pertinents sur les images maximisant les informations collectées. Les
aspects d'augmentation [Zhang et al., 2025] de données seront aussi abordés si utile de compléter
les mesures existantes.
Au-delà des développements méthodologiques, la cartographie de sensibilité constitue
également un outil structurant de formation et d'aide à la décision pour les opérateurs de contrôle.
En explicitant l'influence des paramètres de mesure sur la qualité, la robustesse et les artefacts des
images TFM, ce travail de recherche vise à entraîner l'interprétation humaine, à distinguer situations
optimales et dégradées, et à réduire les risques d'erreur liés à des réglages inadaptés en situation
terrain. Planning prévisionnel :
Le projet est structuré en lots (Work Packages, WP), ajustés selon l'avancement, détaillés ci-après.
- WP1 (0-9 mois) : Identification/cadrage des paramètres influents en tomographie
ultrasonore (UT) avancée (TFM)
Buts :
- Acquérir une maîtrise approfondie des fondements UT avancés (TFM multimode en priorité)
- Identifier, structurer et prioriser dès la première année les paramètres influents à étudier
- Poser un langage commun et un cadre rigoureux pour la suite de la thèse
Contenus principaux
- État de l'art ciblé et critique : TFM, FMC (Full Matrix Capture), multimodalité (longitudinal,
transversal, conversions), PCI ou Phase Coherence Imaging [Le Duff and G. Painchaud 2022], et
autres méthodes [ Sorger et al. 2025], en comparatif ou en complément
- Analyse détaillée de la chaîne UT : génération/réception, hypothèses algorithmiques, sources
d'artefacts et incertitudes
- Identification structurée des paramètres influents, regroupés en familles : paramètres de pièce
(géométrie, anisotropie, métallurgie), défaut (position, orientation, interaction), excitation et réglage,
traitement et de fusion modale
- Première priorisation des paramètres : pertinence physique, impact potentiel sur l'imagerie,
faisabilité expérimentale / simulation
- WP2 (6-18 mois) : Études de sensibilité et construction de la cartographie UT
Buts
- Quantifier l'influence réelle des paramètres identifiés en WP1
- Construire une cartographie de sensibilité UT multimode
- Comprendre les mécanismes conduisant aux variations de performance
Contenus principaux
- Études de sensibilité systématiques : variation contrôlée des paramètres prioritaires, comparaison
de configurations UT.
- Analyse des performances d'imagerie : détectabilité, localisation, résolution, robustesse aux
artefacts- L'étude sera amorcée sur quatre configurations, combinant deux types de défauts (surfacique et
volumique) et deux matériaux (acier faiblement carboné et acier carboné), servant de base à
l'analyse initiale des paramètres influents
- Mise en place d'une base de données UT explicable : résultats simulés et expérimentaux, traçabilité
des configurations, structuration orientée analyse
- WP3 (12-30 mois) :
Exploitation de la cartographie, détermination automatique des paramètres de mesure et
construction d'une base d'apprentissage
Buts
- Exploiter la cartographie construite (proposer des configurations de mesure pertinentes,
hiérarchiser les images acquises)
- Déterminer une approche de sélection automatique des paramètres de mesures
- Acquérir une base d'apprentissage
- Étudier la traduction des résultats UT en critères exploitables
Contenus principaux
- État de l'art : Critère de complétude d'une base d'apprentissage
- Développement d'une approche de sélection automatique de paramètres (nested Sampling,
experimental design)
- Détermination d'une base d'apprentissage : prétraitement des données, complétude de la base,
approche IA générique (dégel des dernières couches)
- Définition de critères physiques et métrologiques : critères de qualité, indicateurs de robustesse,
limites de validité
- Formalisation de règles d'interprétation : liens paramètres dominants performances, zones de
robustesse/fragilité
- WP4 (24-36 mois) : Validation expérimentale et généralisation méthodologique
Buts
- Valider la pertinence des résultats sur des cas complexes
- Tester la robustesse et compléter la cartographie hors configurations nominales
- Dégager des enseignements généralisables
Contenus principaux
- Cas représentatifs industriels : soudures anisotropes, défauts multiples, variations de systèmes UT
- Analyse de transférabilité : autres pièces, autres réglages, autres chaînes de traitement
- Mise en perspective : recommandations méthodologiques, limites et verrous scientifiques,
perspectives académiques et industrielles

Diplôme de Master ou d'ingénieur dans un ou plusieurs des domaines suivants : traitement du signal
et de l'image, champs et ondes, physique appliquée, mécanique, mathématiques appliquées et
modélisation numérique. Une expérience en apprentissage profond et ses écosystèmes
(bibliothèques/outils/langages) sera utile. Une expérience (par enseignement et/ou stage) en contrôle
non destructif ou toute méthodologie d'inversion des ondes serait appréciée.