Jumeau Numérique pour le Bilan d'Approvisionnement en ressources minérales issues des Sols et des Terres et des Infrastructures pour la Construction et la Réhabilitation

Cette thèse s'inscrit dans le contexte de la transition écologique du secteur de la construction et de la nécessité de mieux connaître, localiser et valoriser les ressources minérales mobilisées pour les bâtiments et les infrastructures. Alors que les ressources primaires subissent de fortes pressions environnementales, économiques et géopolitiques, le développement du recyclage, du réemploi et d'une économie circulaire des matériaux suppose de disposer d'outils capables d'identifier et d'évaluer les gisements potentiels, qu'ils soient situés dans le sous-sol, dans les infrastructures existantes ou dans les filières de valorisation. L'objectif de la thèse est de concevoir un démonstrateur numérique de type jumeau numérique pour le bilan d'approvisionnement en ressources minérales issues des sols, des terres et des infrastructures pour la construction et la réhabilitation. Les travaux viseront d'abord à collecter, structurer et croiser des données hétérogènes relatives à la disponibilité des ressources à l'échelle du territoire métropolitain. Cette étape s'appuiera sur des standards d'échange existants, sur des outils de géoinformatique, de bases de données et de systèmes d'information géographique, ainsi que sur le développement d'une visualisation fondée sur des composants open source. La thèse analysera ensuite la performance écologique de ces ressources à l'aide de l'analyse de cycle de vie. Il s'agira d'étudier l'effet de la localisation des gisements, des flux logistiques, du transport, du recyclage et des centres de valorisation sur les impacts environnementaux des matériaux de construction. L'enjeu est de produire des éléments d'aide à la décision pour le choix des matériaux, pour l'optimisation territoriale des filières de valorisation et pour une meilleure intégration des ressources anthropiques dans les stratégies d'approvisionnement. Enfin, la thèse conduira à définir un workflow scientifique permettant de chaîner et d'automatiser les traitements, notamment grâce à des méthodes de machine learning. Les résultats attendus contribueront à une meilleure connaissance des stocks de matériaux, au développement d'outils numériques d'aide à la décision et à l'émergence de nouvelles opportunités de valorisation pour une construction plus durable. École doctorale : SIE - Sciences, Ingénierie et Environnement Direction : Rani EL MEOUCHE Financement : ANR Financement d'Agences de financement de la recherche