12 Aug 2026
Job Information
- Organisation/Company: CESI LINEACT Strasbourg et CEREMA Strasbourg
- Research Field: Engineering » Civil engineering; Computer science » Informatics
- Researcher Profile: Recognised Researcher (R2); Leading Researcher (R4); First Stage Researcher (R1); Established Researcher (R3)
Offer Description
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 systématique et prédictive reliant les conditions de séchage, la formulation et les performances hygrothermiques mesurées. Le projet BBC-DROP s’attaque directement à ce manque et vise à développer une approche d’optimisation assistée par IA des protocoles de séchage des bétons biosourcés. Il combine trois leviers méthodologiques : (i) la modélisation prédictive par des modèles d’IA, (ii) l’optimisation multi-objectif et (iii) le développement et la validation expérimentale.
BBC-DROP est structuré autour de quatre axes complémentaires et progressifs, tous réalisables dans le cadre d’une thèse de 3 ans
Funding category: Contrat doctoral
PHD Country: France
Requirements
Specific Requirements
- Diplôme de Master en Génie Civil, Science des Matériaux, Physique du bâtiment, Informatique ou domaine connexe.
- Connaissances en formulation et caractérisation des matériaux de construction, idéalement biosourcés ou cimentaires.
- Notions en physique du bâtiment et en transferts hygrothermiques.
- Intérêt pour l'expérimentation, la modélisation numérique, l'analyse de données et l'intelligence artificielle.
- Compétences en programmation, idéalement en Python ; une expérience en Machine Learning et/ou en optimisation multi-objectif constitue un atout.
- Capacité à réaliser une synthèse bibliographique, à gérer des données scientifiques, ainsi que d'excellentes capacités de rédaction et de communication en français et en anglais.
Additional Information
Work Location(s)
Number of offers available: 1
Company/Institute: CESI LINEACT Strasbourg et CEREMA Strasbourg
Country: France
City: Strasbourg
This is a Preview Listing…
You must sign in to see the full job description, and to apply.
Manage / Upgrade this job to a Full Job Listing.
Find Your Best Opportunity
Tell them AcademicJobs.com sent you!