Identification et quantification absolue des NIAS : vers un retour au contact alimentaire des matières plastiques recyclées

Le recyclage des matières plastiques est un des principaux leviers permettant de lutter contre les impacts de l’activité humaine sur l’environnement. Pour améliorer la circularité de ces matériaux, IFPEN tente d’apporter des solutions industrielles impliquant la conception et le développement de nouveaux procédés de transformation des matières plastiques en vue de leur recyclage. Le retour au contact alimentaire des matières plastiques recyclées représente l’un des secteurs économiques les plus rentables. Cependant, la réglementation concernant les matériaux destinés à entrer en contact avec des denrées alimentaires est très stricte. Pour évaluer les risques de santé potentiels, une attention particulière est portée aux substances inattendues et potentiellement nocives qui peuvent migrer du matériau d'emballage vers la nourriture, ces contaminants sont qualifiés de NIAS (Non Intentionally Added Substances). L’idée centrale du projet de thèse est de développer des méthodes d’analyse basées sur le couplage entre la chromatographie liquide (LC) et la spectrométrie de masse haute résolution (HRMS) pour l’identification et la quantification des NIAS en s’appuyant sur des traitements de données de grand volume inspirés des méthodes des sciences omiques et plus particulièrement sur la construction de réseaux moléculaires. Cette démarche constitue le premier objectif de cette thèse et permettra d’obtenir des données inédites sur les plastiques recyclés chimiquement et/ou mécaniquement en termes de NIAS et de les comparer à ceux préalablement identifiés dans la littérature pour des emballages issus de matières premières vierges. Pour répondre au défi de la quantification des NIAS, ce sujet de thèse vise à explorer le potentiel des empreintes structurelles calculées à partir de données MS2, en combinaison avec d’autres descripteurs, dans la mise en œuvre d’un modèle de prédiction de facteurs de réponse des NIAS détectés par LC-HRMS selon des méthodes d’apprentissage automatique (machine learning). 

Mots clefs : Plastique recyclé ; NIAS ; Analyses ; Chromatographie liquide ; Spectrométrie de masse haute résolution ; réseau moléculaire ; traitement de données ; modélisation ; quantification 

• Directeur de thèse    Dr. Véronique LACHET, IFPEN, ORCID : 0000-0002-1937-5975
• Ecole doctorale    ED388 - Ecole Doctorale de Chimie Physique et Chimie Analytique Paris 6
• Encadrant IFPEN    Dr. A. BERLIOZ-BARBIER, ORCID : 0000-0002-2587-2556
• Localisation du doctorant    IFPEN Lyon
• Durée et date de début    3 ans, au cours du quatrième trimestre 2025 (3 novembre)
• Employeur    IFPEN
• Qualifications    Master en sciences analytiques
• Connaissances linguistiques    Anglais niveau B2 (CECR)
• Autres qualifications    Traitement de données complexes, modélisation, reconstruction moléculaire, chimiométrie / chémoinformatique, apprentissage automatique.

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