IA générative pour la modélisation des champs de vent à l'échelle ferme : un jumeau numérique au service du design et du productible éolien

Les parcs éoliens sont essentiels à la transition énergétique, mais leur optimisation reste limitée par des modèles de prédiction qui utilisent des représentations simplifiées du vent, ignorant la complexité des conditions atmosphériques. Résultat : des prédictions imprécises de production et de durée de vie des turbines, freinant l'optimisation et augmentant les coûts.
L'objectif : créer un jumeau numérique rapide et précis des champs de vent à l'échelle d'une ferme éolienne. Vous développerez des modèles génératifs (diffusion probabiliste, autoencodeurs, transformers) capables de reproduire en quelques secondes ce que les simulations haute-fidélité (Méso-NH) calculent en plusieurs heures.
Le défi : encoder la physique complexe des écoulements turbulents dans des architectures d'apprentissage profond tout en préservant les propriétés spatio-temporelles essentielles. Vous travaillerez avec des données issues de Méso-NH (CNRS/Météo-France) pour entraîner et valider vos approches.
L'impact : accélération des études de faisabilité, optimisation du positionnement des turbines, et amélioration de la maintenance prédictive.
Ce que vous y gagnerez : un profil rare à l'interface physique/IA, des compétences transférables bien au-delà du secteur de l'énergie.
Votre encadrement : Pr. Taraneh Sayadi (Cnam, M2N), experte en Scientific Machine Learning et réduction de modèles pour écoulements turbulents. Dr. Emeline Noël (IFPEN), spécialiste des interactions couche limite/sillages et contributrice Méso-NH. Dr. Guillaume Enchéry (co-promoteur), expert en réduction de modèle pour EDP.

Mots clefs: Intelligence artificielle générative (IA), modèles de diffusion, autoencodeurs, transformers, réduction de dimension, dynamique temporelle, éolien

• Directeur de thèse    Pr. Taraneh SAYADI, Cnam (M2N), https://orcid.org/0000-0001-9689-4528
• Ecole doctorale    ED432 Sciences des métiers de l’Ingénieur, Cnam
• Encadrant IFPEN    Dr. Emeline Noël, https://orcid.org/0000-0003-2429-7737
• Localisation du doctorant    IFPEN, Rueil-Malmaison, France 
• Durée et date de début    Contrat doctoral IFPEN sur 3 ans, début courant novembre 2026
• Compétences requises    Mathématiques appliquées (EDP, modélisation), Machine Learning (PyTorch souhaité), Collaboration multidisciplinaire
• Qualifications    Master en Mathématiques et/ou Informatique, Grandes écoles d’ingénieurs
• Connaissances linguistiques    Anglais niveau B2 (CECR)  

Pour postuler, merci d’envoyer votre lettre de motivation et votre CV à l'encadrant IFPEN ci-dessous.