Thèse Amélioration de l'Interopérabilité Homme-Machine Basée sur le Langage Naturel dans un Système Cyber-Physique de Production Distribué H/F - Doctorat.Gouv.Fr

Établissement : IMT MINES ALES
École doctorale : I2S - Information, Structures, Systèmes
Laboratoire de recherche : SyCoIA - Systèmes Complexes et Intelligence Artificielle
Direction de la thèse : Gregory ZACHAREWICZ ORCID 0000000177261725
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-09-01T23:59:59

L'Industrie 5.0 représente une nouvelle ère de la transformation industrielle qui place l'humain au centre des systèmes de production intelligents. L'orchestration intelligente des systèmes cyber-physiques de production (CPPS) est un domaine clé de l'industrie 5.0. Cette thèse vise à proposer une architecture globale pour coordonner les différents éléments d'un système de production en temps réel (acteurs humains, machines, outils et robots, etc.). Elle s'appuie sur deux dimensions : Modélisation et simulation hybrides pour les CPSS et l'interopérabilité homme-machine basée sur les modèles de langage naturel. L'objectif est d'améliorer l'efficacité, la flexibilité et la durabilité de l'interopérabilité homme-machine. Des études de cas en environnement industriel réel valideront les concepts et méthodes proposés.

L'évolution vers l'Industrie 5.0 conduit à replacer l'humain au centre des systèmes de production intelligents. Toutefois, l'hétérogénéité des équipements, la complexité des échanges de données et l'autonomie croissante des systèmes constituent des freins à une collaboration fluide entre les acteurs humains et techniques. Les avancées récentes en interopérabilité fédérée, en jumeaux numériques et en intelligence artificielle générative ouvrent de nouvelles perspectives pour construire des environnements de production plus flexibles, compréhensibles et adaptatifs.

L'objectif principal est de concevoir une approche permettant d'améliorer l'interopérabilité homme-machine grâce au langage naturel dans les CPPS. Plus spécifiquement, la thèse vise à proposer une architecture d'orchestration intelligente intégrant des agents IA, à développer des mécanismes de modélisation et de simulation hybrides pour le pilotage des systèmes, et à exploiter les LLM pour fournir des interfaces conversationnelles capables d'assister les opérateurs dans leurs activités de supervision et de décision.

La démarche de recherche reposera sur une approche de conception et d'évaluation. Après une analyse de l'état de l'art et l'identification des besoins industriels, une architecture d'orchestration sera proposée puis implémentée sous forme de prototypes. Ces prototypes combineront agents intelligents, modèles de langage, mécanismes d'interopérabilité et simulation hybride. Les solutions développées seront expérimentées et évaluées à travers des cas d'usage industriels réels fournis par Agnostic Production Systems.

Le candidat ou la candidate devra être titulaire d'un diplôme de niveau Master 2 ou Ingénieur avec une forte composante recherche dans l'un des domaines suivants : génie industriel, informatique, intelligence artificielle, systèmes complexes, automatique ou systèmes d'information industriels.

Des compétences en modélisation et simulation de systèmes, interopérabilité des systèmes d'information, architectures distribuées ou systèmes cyber-physiques seront particulièrement appréciées. Une connaissance des techniques d'intelligence artificielle, notamment des agents intelligents, de l'apprentissage automatique ou des modèles de langage (LLM), constituera un atout important.

Le ou la candidat(e) devra démontrer de bonnes capacités d'analyse, de synthèse et de rédaction scientifique, ainsi qu'une aptitude à travailler à l'interface entre recherche académique et problématiques industrielles. L'autonomie, la curiosité scientifique, l'esprit d'initiative et le goût pour l'expérimentation sont des qualités essentielles pour mener à bien ce projet doctoral.

• Intelligence artificielle
• Autonomie
• Pro-activité
• Machine learning
• Esprit d'analyse
• Système d'information