Intelligence artificielle distribuée et objets connectés pour des réseaux industriels/communication robustes et efficaces // Distributed Intelligence and Connected Things for robust and efficient Industrial cOmmunication Networks

Ce projet de thèse, s'inscrivant dans le cadre de l'Industrie 4.0 et du projet DICTION cofinancé par l'Institut Carnot ARTS, vise à relever les défis liés au déploiement de systèmes cyber-physiques (CPS) dans des environnements industriels contraints. L'objectif principal est d'intégrer des solutions logicielles avancées, telles que l'apprentissage automatique (ML) et les systèmes multi-agents (MAS), couplées à une architecture matérielle adaptée, pour garantir une connectivité transparente, une interopérabilité et une exploitabilité optimale des données collectées.
Le verrou scientifique central concerne l'intégration d'algorithmes d'intelligence artificielle hybrides et distribués au sein de nœuds embarqués hétérogènes, tout en assurant la fiabilité des échanges et l'exploitabilité des données en temps réel. La thèse propose une approche en quatre axes : la conception de mécanismes d'IA distribuée selon une logique d'Edge AI pour réduire les échanges de données ; le développement d'une architecture multi-agents facilitant le déploiement plug'n play de nœuds hétérogènes ; la gestion différenciée des flux de données selon leur criticité ; et la création d'un framework combinant Hardware in the Loop et jumeau numérique pour anticiper les performances des infrastructures avant déploiement.
La méthodologie repose sur une boucle itérative associant conception, simulation et expérimentation sur des plateformes réelles, comme l'IoT Lab ESTIA, avec des cas d'usage concrets issus de l'Industrie 4.0 et du bâtiment intelligent. Les travaux se positionnent à l'intersection de l'IA embarquée, des systèmes multi-agents et de la résilience distribuée, en s'appuyant sur des initiatives récentes en Tiny Machine Learning et en standardisation des agents pour des cibles matérielles variées.
Le profil recherché inclut un master en informatique, électronique ou domaine connexe, avec des compétences en systèmes embarqués, IA distribuée, programmation bas niveau (C/C++, Rust) et simulation Hardware in the Loop. Une maîtrise de l'anglais scientifique et une appétence pour le travail expérimental sont requises. Les candidatures, à envoyer avant le 31 mai 2026, seront évaluées par un comité de sélection, avec une prise de fonction prévue au plus tard le 1er octobre 2026.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This PhD project, part of the Industry 4.0 framework and the DICTION project co-funded by the Carnot ARTS Institute, aims to address the challenges of deploying Cyber-Physical Systems (CPS) in constrained industrial environments. The main objective is to integrate advanced software solutions, such as Machine Learning (ML) and Multi-Agent Systems (MAS), combined with a suitable hardware architecture, to ensure transparent connectivity, interoperability, and optimal usability of collected data.

The central scientific challenge involves integrating hybrid and distributed artificial intelligence algorithms within heterogeneous embedded nodes while ensuring the reliability of exchanges and real-time data usability. The thesis proposes a four-pronged approach: designing distributed AI mechanisms using an *Edge AI* logic to reduce data exchanges; developing a multi-agent architecture to facilitate the *plug'n play* deployment of heterogeneous nodes; differentiated management of data flows based on their criticality; and creating a framework combining *Hardware in the Loop* and digital twin to anticipate infrastructure performance before deployment.

The methodology is based on an iterative loop combining design, simulation, and experimentation on real platforms, such as the ESTIA IoT Lab, with concrete use cases from Industry 4.0 and smart buildings. The work is positioned at the intersection of embedded AI, multi-agent systems, and distributed resilience, building on recent initiatives in *Tiny Machine Learning* and the standardization of agents for various hardware targets.

The ideal candidate will have a master's degree in computer science, electronics, or a related field, with skills in embedded systems, distributed AI, low-level programming (C/C++, Rust), and *Hardware in the Loop* simulation. Proficiency in scientific English and a keen interest in experimental work are required. Applications must be submitted by May 31, 2026, and will be evaluated by a selection committee, with a planned start date no later than October 1, 2026.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Other public funding

ANR Financement d'Agences de financement de la recherche

Université de Technologie Belfort-Montbéliard

37 SPIM - Sciences Physiques pour l'Ingénieur et Microtechniques

Le(la) candidat(e) recherché(e) pour cette thèse devra justifier d'un diplôme de Master (ou équivalent) en informatique ou électronique ou dans un domaine connexe, avec une spécialisation affirmée dans au moins deux des trois champs suivants : systèmes embarqués et architectures contraintes, intelligence artificielle distribuée ou systèmes multi-agents, et ingénierie des systèmes cyber-physiques. Une solide formation en algorithmique distribuée et en programmation embarquée est indispensable, avec une maîtrise des langages de développement bas niveau (C/C++, Rust) ainsi que des environnements de simulation couplant logiciel et matériel (Hardware in the Loop). Le candidat devra faire preuve d'une capacité à implémenter des solutions algorithmiques sur des cibles matérielles hétérogènes, incluant microcontrôleurs et passerelles industrielles, et à les confronter à des cas d'usage concrets. Des compétences en systèmes multi-agents et en architectures orientées agents constitueront un atout déterminant. Une première expérience avec les concepts de jumeau numérique et d'interopérabilité des systèmes industriels serait appréciée. La maîtrise de l'anglais scientifique, tant à l'écrit qu'à l'oral, est requise pour la rédaction de publications et les échanges au sein de la communauté internationale. Au-delà des compétences techniques, la thèse exige une forte autonomie, une appétence pour le travail expérimental et la validation sur plateformes réelles. Une curiosité pour les approches interdisciplinaires, à la croisée de l'informatique embarquée, de l'intelligence artificielle et de l'ingénierie des systèmes industriels, constituera un facteur différenciant.
The ideal candidate for this PhD must hold a Master's degree (or equivalent) in computer science, electronics, or a related field, with a strong specialization in at least two of the following three areas: embedded systems and constrained architectures, distributed artificial intelligence, or multi-agent systems, and cyber-physical systems engineering. A solid background in distributed algorithms and embedded programming is essential, including proficiency in low-level development languages (C/C++, Rust) and simulation environments that combine software and hardware (Hardware in the Loop). The candidate must demonstrate the ability to implement algorithmic solutions on heterogeneous hardware targets, including microcontrollers and industrial gateways, and to test them against real-world use cases. Expertise in multi-agent systems and agent-oriented architectures will be a significant advantage. Prior experience with digital twin concepts and the interoperability of industrial systems would also be appreciated. Fluency in scientific English, both written and spoken, is required for publishing and engaging with the international research community. Beyond technical skills, the PhD demands a high degree of autonomy, a strong interest in experimental work, and a commitment to validation on real platforms. A curiosity for interdisciplinary approaches—bridging embedded computing, artificial intelligence, and industrial systems engineering—will be a distinguishing factor.