Traitement automatisé des empreintes chimiques pour la gestion de la matière recyclée plastique[...]

Traitement automatisé des empreintes chimiques pour la gestion de la matière recyclée plastique et cellulosique - Thèse CIFRE


Informations générales

Date de démarrage souhaitée : 01/01/2025
Laboratoire d’accueil : UMRs Sayfood et MIA (INRAE)
Répartition du temps de travail : 40% LNE, 60% INRAE
Localisation LNE : Trappes – Bassin de St Quentin-en-Yvelines (78)
Localisation laboratoire d’accueil : Palaiseau (91)
Mots clés : Empreintes chimiques, matériaux recyclés, sécurité sanitaire, matériaux au contact, gestion de données, traitement de données, machine learning



L’unité d’accueil – UMR SayFood


SayFood, sous tutelles INRAE, AgroParisTech et l'université Paris-Saclay, a été créée le 01/01/2020 par la fusion des UMR GENIAL et GMPA. Les travaux des chercheurs de l'UMR portent sur les processus physiques, biochimiques et microbiologiques qui gouvernent les transformations alimentaires et non alimentaires des bioproduits et développe des approches mécanistiques pluridisciplinaires et systémiques.


SayFood rassemble environ 180 personnes comprenant des chercheurs et enseignants-chercheurs, des agents d'appui scientifique et administratif, une trentaine de doctorants, des post-doctorants, regroupées dans 5 équipes pluridisciplinaires, une halle technologique et un pôle d'appui administratif. Nous accueillons environ une trentaine de stagiaires au cours de l'année. C'est aussi un laboratoire labellisé de l'Institut Carnot Qualiment et associé en deuxième cercle à l'Institut Carnot 3BCar. Il est associé au LNE (Laboratoire National de Métrologie et d'essais) dans le cadre d'une Unité Mixte Technologique (UMT SafeMat) sur la sécurité des emballages.



Contexte et objectifs de la thèse

La mise en oeuvre des textes réglementaires tels que la loi française AGEC (N° 2020-105) et le futur règlement européen PPWR impose de garantir l'utilisation sécurisée des matériaux plastiques recyclés pour les applications en contact avec les aliments, les cosmétiques et les détergents.
Ce défi nécessite :

* l'orientation stratégique des flux de matières vers des applications où leur utilisation sécurisée peut être démontrée, tout en minimisant le risque de downcycling (décyclage) contraire aux objectifs de circularité en boucle fermée ;
* le développement de méthodes forensiques pour vérifier postérieurement l'authenticité de l'origine des matériaux et la nature de leurs traitements de décontamination ou de recyclage (mécanique, chimique, hybride).

S'appuyant sur la collaboration d’AgroParisTech et l'INRAE et les travaux issus d’une précédente thèse (soutenue en 2023), le Laboratoire national de métrologie et d'essais (LNE) a développé une méthode semi-automatisée et non supervisée pour comparer les signaux chimiques (GC-MS, Raman, FTIR) d'échantillons arbitraires. Cette méthode, qui utilise la théorie de l'information et la mesure de l'entropie informationnelle mutuellement exclusive, permet de reconstruire une cartographie des déplacements chimiques indiquant la proximité des échantillons pour tout ou partie du signal. Cependant, cette méthode nécessite un enrichissement continu d’échantillons de référence pour tenir compte des variabilités et des dérives temporelles, l’ensemble des mesures devant être reproductibles (même méthode et même appareil).


Ce projet de thèse vise principalement à lever les limitations précédentes et en particulier à s'affranchir de la contrainte de l'unicité du dispositif de mesure : les empreintes chimiques doivent pouvoir être collectées par différents laboratoires et être comparées entre elles au sein d'une même base de données nationale ou européenne, à construire avec nos partenaires du consortium "Food Grade Recycled Materials". Les signaux devront donc être réalignés systématiquement sur leurs parties communes stables avant de pouvoir rechercher des différences qui traduisent la contamination des gisements de matière, leur origine, le type de tri ou de technologie de décontamination. La recherche proposée explorera des algorithmes avancés de machine learning pour généraliser la recherche de corrélations entre les signaux chimiques. Ce travail intensif sera spécifiquement implémenté sur un serveur dédié utilisant des calculs parallèles avec des GPU (unité de traitement graphique), offrant potentiellement une amélioration significative dans le réalignement des signaux et la compression.


Les objectifs principaux de cette thèse seront de :

* Développer un cadre analytique polyvalent capable d'intégrer des données analytiques diverses provenant de différentes sources, améliorant la robustesse et l'applicabilité de l'empreinte chimique pour les matériaux recyclés ;
* Contribuer à la formulation de directives et de règles d'application potentielles pour les polyoléfines recyclées mécaniquement dans des produits sensibles ;
* Proposer des standards pour coder des échantillons ou des substances arbitraires, aidant à l'acceptation réglementaire et industrielle.


Le candidat idéal pour cette thèse devra posséder des compétences techniques et académiques variées, ainsi qu'une forte motivation pour la recherche appliquée dans un contexte interdisciplinaire.

Les compétences recherchées incluent :

* Formation académique : Master en chimie analytique, chimie physique, ingénierie chimique, science des matériaux, ou domaine connexe.
* Compétences analytiques : Une première expérience pratique avec les techniques analytiques telles que GC-MS ou spectroscopiques (RMN, Raman, FTIR) est recommandée.
* Compétences en informatique et traitement de données : Maîtrise de Python et/ou Matlab pour l'analyse des données et la modélisation. Expérience en apprentissage automatique (machine learning) et traitement de grands ensembles de données (BIG data).
* Théories de l'information et statistiques : Une première connaissance des concepts de la théorie de l'information et des méthodes statistiques pour l'analyse des données sera appréciée.
* Programmation scientifique : Expérience en développement d'algorithmes et de scripts pour automatiser l'analyse des signaux chimiques. La connaissance des calculs parallèles et l’utilisation des GPU sera un plus.
* Communication scientifique : Excellentes compétences en rédaction scientifique en français et en anglais, capacité à publier des articles de recherche et à présenter des résultats dans des conférences internationales.

Le candidat doit être autonome, curieux, et avoir une forte capacité à travailler dans un environnement de recherche dynamique et multidisciplinaire. Une expérience préalable dans le domaine des matériaux recyclés ou des méthodes forensiques sera considérée comme un atout.

Des déplacements ponctuels sont à prévoir pour ce poste dans le cadre de congrès, réunions internationales, et/ou comités de normalisation.

#J-18808-Ljbffr