Intitulé : Développement d’un modèle d’intelligence artificielle pour la prédiction du potentiel géothermique : application à des jeux de données à qualité améliorée

Date : du 11/2023 au 11/2026

Directeur(s) : Hacène FOUCHAL

Description : Dans un contexte de transition énergétique, la géothermie représente une source d’énergie renouvelable prometteuse, mais son développement reste limité par les incertitudes liées à l'évaluation des ressources souterraines, à la qualité des données géoscientifiques et à la viabilité économique des projets. Cette thèse propose une approche intégrée combinant intelligence artificielle, amélioration de la qualité des données et modélisation technico-économique afin de renforcer la fiabilité de l’évaluation du potentiel géothermique. Les travaux s’articulent autour de trois contributions principales : 1\. La modélisation technico-économique des projets géothermiques, notamment à travers l’estimation du coût actualisé de l’énergie (LCOE), l’analyse des incertitudes par simulation Monte Carlo et le développement de modèles de Machine Learning permettant d'accélérer les évaluations économiques. 2\. L’évaluation et l’amélioration de la qualité des données géothermiques, à partir de bases internationales de flux de chaleur terrestre, en mobilisant des méthodes de détection d’anomalies, de complétion des données manquantes et d’enrichissement des informations géoscientifiques. 3\. Le développement d’une approche hybride de prédiction du potentiel géothermique, associant des algorithmes d’apprentissage automatique, des contraintes thermophysiques et des indicateurs de qualité des données, afin de produire des estimations plus robustes et mieux interprétables. L’objectif global est de contribuer à une évaluation plus fiable, plus rapide et mieux maîtrisée du potentiel géothermique, tout en ouvrant des perspectives d’application à la valorisation énergétique des puits pétroliers abandonnés.