• Financement : ANRT, Kapsdata
  • Année de début de thèse :
  • 2025

Thèse CIFRE avec l’entreprise Kapsdata

Face aux lourdes conséquences des hausses du coût de l’énergie pour les entreprises industrielles, il est devenu urgent pour l’industrie de mettre en place des solutions permettant d’améliorer la performance énergétique de ses infrastructures. Cela répond à un triple enjeu : mieux maîtriser les consommations d’eau, de vapeur, d’électricité et de gaz dans des processus complexes (datacenters, grands bâtiments techniques ou commerciaux, secteur agroalimentaire…), limiter l’impact environnemental et faire face aux fluctuations constantes des prix de l’énergie et des matières premières.

Pour répondre à ces enjeux, le projet de thèse CIFRE visera à optimiser en temps réel les datacenters au plus près des équipements (edge computing) à partir d’un historique de données limité voire inexistant. L’approche proposée sera composée de trois axes principaux :

  • Détection d’anomalies : Développement de modèles d’apprentissage non supervisé, conçus pour être entraînés de manière incrémentale, permettent de détecter des anomalies fines ou émergentes (qui échapperaient à des règles statiques) tout en s’ajustant progressivement aux variations normales du système liées, par exemple, aux changements de configuration, à l’évolution des charges de travail ou aux conditions environnementales.

  • Modèles prescriptifs : Conception d’un agent multi-objectifs à partir d’apprentissage par renforcement enrichi par des connaissances physiques (PIRL), combiné aux savoirs métiers. L’objectif étant d’atteindre une politique de contrôle résiliente proche de l’optimal.

  • Explicabilité : Sans explications claires, les opérateurs risquent de manquer de confiance dans le système et de ne pas suivre les actions proposées. Il est donc indispensable de développer des méthodes d’intelligence artificielle explicable (XAI) adaptées, capables de justifier chaque alerte ou recommandation par des arguments précis, notamment en identifiant les éléments ou conditions ayant conduit à la décision.