Chercheur Doctorant H/F : Vers un séchage optimisé des bétons biosourcés pour une meilleure maîtrise de leurs performances mécaniques et hygrothermiques à différentes échelles CESI

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 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.

Sujet de thèse

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 (voir Fig.1).

Axe 1 : Constitution de la base de données et enrichissement expérimental

La première étape de cet axe consiste en une revue systématique et critique de la littérature sur les propriétés des bétons biosourcés. La revue se concentre sur l'influence de la formulation et des conditions de séchage sur les performances mécaniques et hygrothermiques. Les données extraites des publications couvrent la masse volumique, la résistance à la compression, la porosité, la conductivité thermique, la chaleur spécifique, la perméabilité à la vapeur, les isothermes de sorption et l'absorption capillaire. Elles sont structurées et harmonisées dans une base de données centralisée, qui constitue le fondement principal pour l'entraînement des modèles IA. Dans un second temps, des campagnes expérimentales ciblées sont menées au CEREMA sous la supervision de l'équipe encadrante, spécialiste dans le comportement des matériaux biosourcés. Ces campagnes ciblent spécifiquement les configurations sous-représentées ou absentes dans la littérature. Des éprouvettes de bétons de chanvre et de lin sont soumises à des protocoles de séchage contrôlés en enceintes climatiques. Les conditions varient en température (20°C à 60°C), humidité relative (30 % à 80 %) et durée (7 à 90 jours). La base est ainsi enrichie avec des données originales de haute qualité couvrant un domaine large et représentatif.

Axe 2 : Modélisation prédictive basée sur l'IA

Des modèles d'apprentissage automatique sont entraînés sur la base consolidée pour prédire les propriétés hygrothermiques. Les entrées sont les paramètres de formulation (propriétés de granulats végétaux, propriétés de liants, propriétés de mélange) et les conditions de séchage (Température, Humidité relative, durée de ventilation). Les sorties sont les propriétés mécaniques et hygrothermiques résultantes (Résistance à la compression, conductivité thermique, perméabilité à la vapeur, porosité…). Les algorithmes envisagés incluent les réseaux de neurones, le gradient boosting ou encore des modèles couplés. L'utilisation des techniques de Transfer Learning est aussi envisageable à cette étape du projet afin de pallier le potentiel manque de data. Une attention particulière est portée à l'interprétabilité des modèles via les valeurs SHAP et les analyses de sensibilité. Ces outils identifient les variables les plus influentes et apportent un éclairage physique sur les tendances observées.

Axe 3 : Optimisation multi-objectif

Les modèl

Compétences recherchées :

• 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.

Votre Recrutement

Ses Modalités : sur dossier et entretien

Votre candidature devra impérativement comporter :

• Un Curriculum-Vitae détaillé ;

• Une lettre de motivation explicitant ses motivations à poursuivre une thèse de doctorat ;

• Les résultats post-bac et les bulletins de notes correspondants ;

• Les éventuelles lettres de recommandation ;

• Toute autre pièce que vous jugerez utile.

Les candidatures seront traitées selon leur ordre d'arrivée, aussi cette offre de thèse expiréera dès lors qu'un candidat aura été sélectionné.

Organisation

Laboratoires :

• CESI LINEACT Strasbourg : https://lineact.cesi.fr/

• CEREMA Strasbourg : https://www.cerema.fr/fr/cerema/directions/est/site-strasbourg

Date de début :

Octobre 2026

Durée :

36 mois

Encadrement :

Djaoued Beladjine, Dr. HDR, Enseignant-chercheur associé, CESI LINEACT (Directeur de thèse).

Etienne Gourlay, Dr., Chargé de Recherche, CEREMA Strasbourg. (Co-encadrant).

Mazhar Hussain, Dr., Enseignant-Chercheur, CESI LINEACT Strasbourg. (Co-encadrant).

Bibliographie :

[1] A.K. Tedjditi, F. Ghomari, R. Belarbi, R. Cherif, F. Boukhelf, R.T. Bouhraoua, Towards understanding cork concrete behaviour: Impact of considering cork absorption during mixing process, Construction and Building Materials 317 (2022) 125905. https://doi.org/10.1016/j.conbuildmat.2021.125905.

[2] A.K. Tedjditi, F. Ghomari, On the contribution of virgin cork treatment in improvement of lightweight concrete performances, Journal of Adhesion Science and Technology (2025) 1-26. https://doi.org/10.1080/01694243.2025.2588438.

[3] M. Chabannes, J.C. Bénézet, L. Clerc, E. Garcia-Diaz, Use of raw rice husk as natural aggregate in a lightweight insulating concrete: An innovative application, Construction and Building Materials 70 (2014) 428-438. https://doi.org/10.1016/j.conbuildmat.2014.07.025.

[4] M. Lagouin, C. Magniont, P. Sénéchal, P. Moonen, J.E. Aubert, A. Laborel-préneron, Influence of types of binder and plant aggregates on hygrothermal and mechanical properties of vegetal concretes, Construction and Building Materials 222 (2019) 852-871. https://doi.org/10.1016/j.conbuildmat.2019.06.004.

[5] A. Laborel-Préneron, C. Magniont, J.E. Aubert, Hygrothermal properties of unfired earth bricks: Effect of barley straw, hemp shiv and corn cob addition, Energy and Buildings 178 (2018) 265-278. https://doi.org/10.1016/j.enbuild.2018.08.021.

[6] A.K. Tedjditi, A. Kaouane, An Innovative Machine Learning Model for Predicting Compressive Strength of Biobased Concretes, in: S. Amziane, R.D. Toledo Filho, M.Y.R. Da Gloria, J. Page (Eds.), Bio-Based Building Materials - Proceedings of ICBBM 2025, Springer Nature Switzerland, Cham, 2025: pp. 900-910. https://doi.org/10.1007/978-3-031-92777-5_73.

[7] K. Alaili, A.K. Tedjditi, E.M. Moutaouakil, A. Outzourhit, Optimizing building envelope design across various French climates: A multi-objective approach using NSGA II and RMP method, Build. Simul. (2025). https://doi.org/10.1007/s12273-025-1280-4.

[8] K. El Mounla, D. Beladjine, K. Beddiar, Integrating BIM with Lean Principles for Enhanced Decision-making: Optimizing Insulation Material Selection in Sustainable Construction Project, Energy Informatics 8 (2025) 61. https://doi.org/10.1186/s42162-025-00518-4.

[9] E. Gourlay, P. Glé, S. Marceau, C. Foy, S. Moscardelli, Effect of water content on the acoustical and thermal properties of hemp concretes, Construction and Building Materials 139 (2017) 513-523.

RésuméLe 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 Nati

CESI est une école d'ingénieurs qui fait de la promotion sociale par l'excellence un modèle de réussite. Rejoignez un environnement stimulant où l'esprit d'équipe, la diversité des projets et l'autonomie ne font qu'un. Découvrez une école qui a su développer un modèle unique et se donne les moyens au quotidien de relever les grands défis de l'époque. Nos 25 campus, 28 000 étudiants, 8000 entreprises partenaires et 106 000 alumni témoignent de l'impact de CESI au niveau national.

CESI accompagne ses étudiants en utilisant des méthodes innovantes de pédagogie active. L'établissement forme avec rigueur les futurs ingénieurs, techniciens et managers, dans les secteurs suivants : l'Industrie & l'Innovation, le BTP, l'Informatique et le Numérique et le Développement Durable. Parallèlement, CESI concrétise son engagement dans la Recherche à travers des activités menées au sein de son Laboratoire d'Innovation Numérique, CESI LINEACT.

Les partenariats établis avec 130 universités à travers le globe, attestent de l'engagement international de CESI. Ces liens privilégiés offrent aux élèves ingénieurs une mobilité sortante et entrante à l'échelle internationale, façonnée notamment par des stages obligatoires faisant partie intégrante de leur cursus.