Thèse Intelligence Artificielle Distribuée et Objets Connectés pour des Réseaux Industriels - Communication Robustes et Efficaces H/F - Doctorat.Gouv.Fr

Établissement : Université de Technologie Belfort-Montbéliard École doctorale : SPIM - Sciences Physiques pour l'Ingénieur et Microtechniques Laboratoire de recherche : Connaissance et Intelligence Artificielle Distribuées Direction de la thèse : Stéphane GALLAND ORCID 0000000215597861 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-05-31T23:59:59 Ce projet de thèse, s'inscrivant dans le cadre de l'Industrie 4.0 et du projet DICTION cofinancé par l'Institut Carnot ARTS, vise à relever les défis liés au déploiement de systèmes cyber-physiques (CPS) dans des environnements industriels contraints. L'objectif principal est d'intégrer des solutions logicielles avancées, telles que l'apprentissage automatique (ML) et les systèmes multi-agents (MAS), couplées à une architecture matérielle adaptée, pour garantir une connectivité transparente, une interopérabilité et une exploitabilité optimale des données collectées.
Le verrou scientifique central concerne l'intégration d'algorithmes d'intelligence artificielle hybrides et distribués au sein de noeuds embarqués hétérogènes, tout en assurant la fiabilité des échanges et l'exploitabilité des données en temps réel. La thèse propose une approche en quatre axes : la conception de mécanismes d'IA distribuée selon une logique d'Edge AI pour réduire les échanges de données ; le développement d'une architecture multi-agents facilitant le déploiement plug'n play de noeuds hétérogènes ; la gestion différenciée des flux de données selon leur criticité ; et la création d'un framework combinant Hardware in the Loop et jumeau numérique pour anticiper les performances des infrastructures avant déploiement.
La méthodologie repose sur une boucle itérative associant conception, simulation et expérimentation sur des plateformes réelles, comme l'IoT Lab ESTIA, avec des cas d'usage concrets issus de l'Industrie 4.0 et du bâtiment intelligent. Les travaux se positionnent à l'intersection de l'IA embarquée, des systèmes multi-agents et de la résilience distribuée, en s'appuyant sur des initiatives récentes en Tiny Machine Learning et en standardisation des agents pour des cibles matérielles variées.
Le profil recherché inclut un master en informatique, électronique ou domaine connexe, avec des compétences en systèmes embarqués, IA distribuée, programmation bas niveau (C/C++, Rust) et simulation Hardware in the Loop. Une maîtrise de l'anglais scientifique et une appétence pour le travail expérimental sont requises. Les candidatures, à envoyer avant le 31 mai 2026, seront évaluées par un comité de sélection, avec une prise de fonction prévue au plus tard le 1er octobre 2026.
### **Contexte scientifique de la thèse**

Le sujet s'inscrit dans la dynamique de l'**Industrie 4.0**, marquée par l'accélération de la transformation numérique des systèmes industriels, où les **systèmes cyber-physiques (CPS)** jouent un rôle central. Ces systèmes, fondés sur l'**Internet des Objets (IoT)**, intègrent des capteurs, actionneurs et dispositifs connectés pour optimiser la production, réduire les coûts et améliorer la compétitivité, tout en relevant des défis majeurs : **interopérabilité des équipements hétérogènes, fiabilité des échanges dans des environnements contraints (énergie, connectivité, interférences), et exploitabilité des données massives collectées**.

Malgré leur potentiel, les CPS se heurtent à des **verrous technologiques** :
- **Intégration dans des milieux industriels hostiles** (ressources limitées, interférences, latence).
- **Centralisation des traitements**, incompatible avec les contraintes temps réel et la décentralisation requise par l'Industrie 4.0.
- **Fiabilité des communications**, avec des pertes de données, erreurs de transmission ou défaillances matérielles fréquentes.
- **Absence d'outils de validation pré-déploiement**, capable de coupler simulations et expérimentations pour anticiper les performances réelles.

Dans ce cadre, le projet **DICTION** (cofinancé par l'Institut Carnot ARTS) propose d'explorer comment l'**intelligence artificielle hybride et distribuée** (Edge AI, systèmes multi-agents) et des **architectures matérielles adaptées** peuvent répondre à ces enjeux. L'objectif est de concevoir des solutions **résilientes, interopérables et optimisées pour l'embarqué**, tout en garantissant une **gestion différenciée des flux de données** (critiques vs. non critiques) et une **validation par jumeaux numériques et Hardware-in-the-Loop (HiL)**.

Ce travail s'appuie sur des **travaux antérieurs** en Edge AI, TinyML, et systèmes multi-agents, tout en innovant par :
- Une **standardisation des agents** pour des cibles matérielles hétérogènes.
- Des **mécanismes de tolérance aux pannes distribués** au niveau des noeuds terminaux.
- Un **couplage temps réel entre jumeau numérique et noeuds physiques**, encore peu exploré.

Le contexte scientifique est ainsi à l'intersection de l'**IA embarquée**, des **réseaux de capteurs industriels**, et de l'**ingénierie des systèmes cyber-physiques**, avec une approche validée sur des **plateformes réelles** (ex. : IoT Lab ESTIA).

Le(la) candidat(e) recherché(e) pour cette thèse devra justifier d'un diplôme de Master (ou équivalent) en
informatique ou électronique ou dans un domaine connexe, avec une spécialisation affirmée dans au moins deux des
trois champs suivants : systèmes embarqués et architectures contraintes, intelligence artificielle distribuée ou
systèmes multi-agents, et ingénierie des systèmes cyber-physiques.
Une solide formation en algorithmique distribuée et en programmation embarquée est indispensable, avec une
maîtrise des langages de développement bas niveau (C/C++, Rust) ainsi que des environnements de simulation
couplant logiciel et matériel (Hardware in the Loop). Le candidat devra faire preuve d'une capacité à implémenter des
solutions algorithmiques sur des cibles matérielles hétérogènes, incluant microcontrôleurs et passerelles industrielles,
et à les confronter à des cas d'usage concrets.
Des compétences en systèmes multi-agents et en architectures orientées agents constitueront un atout déterminant.
Une première expérience avec les concepts de jumeau numérique et d'interopérabilité des systèmes industriels serait
appréciée.
La maîtrise de l'anglais scientifique, tant à l'écrit qu'à l'oral, est requise pour la rédaction de publications et les
échanges au sein de la communauté internationale.
Au-delà des compétences techniques, la thèse exige une forte autonomie, une appétence pour le travail expérimental
et la validation sur plateformes réelles. Une curiosité pour les approches interdisciplinaires, à la croisée de
l'informatique embarquée, de l'intelligence artificielle et de l'ingénierie des systèmes industriels, constituera un
facteur différenciant.