Job Opportunities API

Résumé Le secteur du bâtiment représente près de 43 % des consommations énergétiques en France et fait face à une pression réglementaire croissante en faveur de la décarbonation (RE2020, Stratégie Nationale Bas-Carbone). Les bétons biosourcés, à base de chanvre, de lin ou de bois, constituent des alternatives bas-carbone prometteuses, reconnues pour leur capacité de régulation hygrothermique naturelle et leur faible empreinte carbone. Pourtant, un verrou majeur freine leur déploiement : le séchage post-fabrication est lent, coûteux et mal maîtrisé, et ses effets sur les propriétés hygrothermiques finales du matériau restent insuffisamment compris. Le projet doctoral BBC-DROP s’attaque à ce verrou par une approche combinée expérimentale et numérique basée sur l’optimisation assistée par l’IA, en s’appuyant sur les expertises complémentaires du CEREMA Strasbourg et du CESI LINEACT. Il vise à optimiser les protocoles de séchage des bétons biosourcés et à évaluer leur impact sur les performances mécaniques et hygrothermiques de ces derniers. Le projet construit d’abord une base de données à partir des résultats disponibles dans la littérature sur les propriétés des bétons biosourcés en fonction de la formulation et des conditions de séchage. Cette base de données est ensuite enrichie par des campagnes expérimentales ciblées au CEREMA Strasbourg, où des protocoles de séchage contrôlés sont appliqués à des éprouvettes de bétons de chanvre et de lin. Des modèles prédictifs basés sur l’IA sont ensuite entraînés sur cette base consolidée, reliant paramètres de formulation et conditions de séchage aux propriétés hygrothermiques résultantes. Ces modèles alimentent des algorithmes d’optimisation multi-objectif permettant d’identifier les protocoles de séchage et les formulations optimaux vis-à-vis de cibles de performances mécaniques et hygrothermiques définies. L’approche de validation proposée sera ensuite validée via une campagne expérimentale permettant de confronter les valeurs cibles avec les résultats expérimentaux. BBC-DROP est un projet pluridisciplinaire, à l’interface entre science des matériaux, physique du bâtiment et sciences numériques, visant à produire des connaissances inédites et des outils d’aide à la décision exploitables par les acteurs de la construction durable. Mots clés : Béton biosourcé, Séchage, Propriétés hygrothermiques, Propriétés mécaniques, Machine Learning, Optimisation multi-objectif Travaux de recherche Contexte scientifique Les bétons biosourcés associent un liant minéral à des granulats végétaux tels que la chènevotte de chanvre, les anas de lin ou les particules de bois. Ils sont de plus en plus reconnus comme des matériaux stratégiques pour la décarbonation du secteur du bâtiment. Leur capacité naturelle de régulation hygrothermique, leur faible énergie grise et leur aptitude à stocker du carbone biogénique répondent directement aux objectifs de la RE2020 et de la Stratégie Nationale Bas-Carbone. Malgré un intérêt scientifique et industriel croissant, un verrou majeur subsiste : le séchage post-fabrication est lent, énergivore et mal maîtrisé. Les granulats végétaux, fortement poreux et hydrophiles, interagissent de manière complexe avec le liant au cours de l’hydratation. Les conditions ambiantes de séchage (température, humidité relative, durée et ventilation) influencent directement la cinétique d’hydratation du liant et la microstructure du composite, et gouvernent par conséquent les propriétés hygrothermiques finales du matériau durci [1,2]. Cette dépendance a été partiellement documentée dans la littérature [3–5], mais les données existantes demeurent dispersées, obtenues selon des protocoles hétérogènes et rarement compilées dans un cadre unifié. À notre connaissance, il n’existe aujourd’hui aucune approche