(MARDIN) Sytèmes Multi-Agents pour les Réseaux Logistiques Robustes, Dynamiques et Intelligentes // (MARDIN) Multi Agents for Robust Dynamic Intelligent supply Networks

Les chaînes d'approvisionnement modernes évoluent dans des environnements de plus en plus complexes, incertains et dynamiques, soumis à des perturbations fréquentes telles que les fluctuations de la demande, les pénuries de ressources ou les contraintes environnementales. Dans ce contexte, les approches traditionnelles de gestion centralisée montrent leurs limites pour assurer à la fois performance, robustesse et durabilité.

Ce projet de thèse vise à développer un cadre innovant basé sur les systèmes multi-agents, combinant intelligence artificielle, optimisation multicritère et simulation, afin de modéliser et piloter des réseaux logistiques de manière décentralisée et adaptative. L'objectif est de concevoir des mécanismes permettant aux différents acteurs (fournisseurs, producteurs, distributeurs) de prendre des décisions autonomes, coopératives et évolutives en fonction des conditions du système.

Les travaux porteront notamment sur la sélection dynamique des fournisseurs, la négociation en temps réel, ainsi que l'intégration de techniques d'apprentissage par renforcement pour améliorer les stratégies de décision au fil du temps. Une attention particulière sera accordée à l'intégration de critères de développement durable, tels que l'empreinte carbone, la consommation de ressources et les aspects sociaux.

Les résultats attendus incluent le développement d'un outil d'aide à la décision permettant d'évaluer et d'optimiser la performance des chaînes d'approvisionnement, tout en renforçant leur résilience face aux aléas et leur contribution à une économie plus durable.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Modern supply chains operate in increasingly complex, uncertain, and dynamic environments, facing frequent disruptions such as demand fluctuations, resource shortages, and environmental constraints. In this context, traditional centralized management approaches show limitations in ensuring performance, robustness, and sustainability.

This PhD project aims to develop an innovative framework based on multi-agent systems, combining artificial intelligence, multi-criteria optimization, and simulation, to model and manage supply networks in a decentralized and adaptive manner. The objective is to design mechanisms enabling stakeholders (suppliers, manufacturers, distributors) to make autonomous, cooperative, and adaptive decisions based on system conditions.

The research will focus on dynamic supplier selection, real-time negotiation mechanisms, and the integration of reinforcement learning techniques to continuously improve decision-making strategies. Particular attention will be given to incorporating sustainability criteria, including carbon footprint, resource consumption, and social considerations.

Expected outcomes include the development of a decision-support tool to evaluate and optimize supply chain performance, while enhancing their resilience to disruptions and contributing to a more sustainable economy.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Enseignement supérieur

Université de technologie de Troyes

361 Sciences Pour l'Ingénieur

Le/la candidat(e) devra être titulaire (ou en cours d'obtention) d'un Master en : • génie industriel • informatique / intelligence artificielle • mathématiques appliquées / optimisation • ou domaines connexes.
Master's degree in Industrial Engineering, Computer Science, Applied Mathematics or related fields Strong interest in AI / optimization Programming skills (Python preferred)