Jumeau Numérique pour le Bilan d'Approvisionnement en ressources minérales issues des Sols et des Terres et des Infrastructures pour la Construction et la Réhabilitation // Digital Twin for the Assessment of Mineral Resource Supply from Soils, Earth Mater

Cette thèse s'inscrit dans le contexte de la transition écologique du secteur de la construction et de la nécessité de mieux connaître, localiser et valoriser les ressources minérales mobilisées pour les bâtiments et les infrastructures. Alors que les ressources primaires subissent de fortes pressions environnementales, économiques et géopolitiques, le développement du recyclage, du réemploi et d'une économie circulaire des matériaux suppose de disposer d'outils capables d'identifier et d'évaluer les gisements potentiels, qu'ils soient situés dans le sous-sol, dans les infrastructures existantes ou dans les filières de valorisation.
L'objectif de la thèse est de concevoir un démonstrateur numérique de type jumeau numérique pour le bilan d'approvisionnement en ressources minérales issues des sols, des terres et des infrastructures pour la construction et la réhabilitation. Les travaux viseront d'abord à collecter, structurer et croiser des données hétérogènes relatives à la disponibilité des ressources à l'échelle du territoire métropolitain. Cette étape s'appuiera sur des standards d'échange existants, sur des outils de géoinformatique, de bases de données et de systèmes d'information géographique, ainsi que sur le développement d'une visualisation fondée sur des composants open source.
La thèse analysera ensuite la performance écologique de ces ressources à l'aide de l'analyse de cycle de vie. Il s'agira d'étudier l'effet de la localisation des gisements, des flux logistiques, du transport, du recyclage et des centres de valorisation sur les impacts environnementaux des matériaux de construction. L'enjeu est de produire des éléments d'aide à la décision pour le choix des matériaux, pour l'optimisation territoriale des filières de valorisation et pour une meilleure intégration des ressources anthropiques dans les stratégies d'approvisionnement.
Enfin, la thèse conduira à définir un workflow scientifique permettant de chaîner et d'automatiser les traitements, notamment grâce à des méthodes de machine learning. Les résultats attendus contribueront à une meilleure connaissance des stocks de matériaux, au développement d'outils numériques d'aide à la décision et à l'émergence de nouvelles opportunités de valorisation pour une construction plus durable.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This PhD project is set against the backdrop of the ecological transition in the construction sector and the need to better identify, locate and valorize the mineral resources used in buildings and infrastructure. As primary resources are subject to increasing environmental, economic and geopolitical pressures, the development of recycling, reuse and a circular economy for construction materials requires tools capable of identifying and assessing potential deposits, whether located in the subsurface, in existing infrastructure or within current recovery and recycling systems.
The aim of the thesis is to design a digital twin demonstrator for assessing the supply of mineral resources from soils, earth materials and existing infrastructure for construction and rehabilitation. The research will first focus on collecting, structuring and combining heterogeneous data related to resource availability at the scale of metropolitan France. This stage will rely on existing data exchange standards, geoinformatics methods, databases and geographic information systems, as well as on the development of an open-source data visualization environment.

The thesis will then assess the ecological performance of these resources using Life Cycle Assessment. It will investigate the effects of deposit location, logistics flows, transport, recycling processes and recovery facilities on the environmental impacts of construction materials. The objective is to provide decision-support elements for material selection, territorial optimization of recovery pathways, and better integration of anthropogenic resources into supply strategies.

Finally, the research will define a scientific workflow to chain and automate all processing steps, in particular through machine learning methods. The expected outcomes will improve knowledge of material stocks, support the development of digital decision-support tools, and foster new valorization opportunities for a more sustainable construction sector
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Other public funding

ANR Financement d'Agences de financement de la recherche

Université Gustave Eiffel

531 SIE - Sciences, Ingénierie et Environnement

Diplôme Bac+5 (Master 2 ou école d'ingénieur) en génie civil ou en géomatique, avec spécialisation en méthodes numériques, mathématiques appliquées ou analyse de données. Compétences attendues en programmation scientifique (Python, R), bases de données et services web (SQL, API), ainsi qu'en outils SIG. Une connaissance de l'ACV et de ses outils, ainsi que de bonnes capacités de rédaction, de communication scientifique, d'autonomie et de travail en équipe, sont requises
Applicants should hold a Master's degree or an engineering degree in civil engineering or geomatics, with a specialization in numerical methods, applied mathematics, or data analysis. Expected skills include scientific programming (Python, R), databases and web services (SQL, APIs), and GIS tools. Knowledge of Life Cycle Assessment (LCA), together with strong writing, scientific communication, autonomy, and teamwork skills, is required