Jumeau numérique probabiliste pour la prévision, l'alerte et la prévention des risques naturels à déclenchement rapide dans les petits bassins versants de montagne // Probabilistic digital twin for forecasting, early warning, and prevention of rapidly ons

Description du sujet

Les phénomènes naturels à déclenchement rapide (crues éclair, montées soudaines des eaux, phénomènes torrentiels) représentent un défi majeur pour les territoires de montagne. Leur dynamique est caractérisée par de fortes incertitudes, des temps de réaction très courts et une disponibilité limitée des données, rendant difficile l'utilisation opérationnelle des approches déterministes classiques.

Cette thèse s'inscrit dans le projet européen Interreg POCTEFA RISKRAPID consacré au développement de systèmes de prévision, d'alerte et de prévention des risques naturels à déclenchement rapide dans les petits bassins versants de montagne. Le projet réunit des partenaires français et espagnols autour du développement de nouvelles approches d'observation, de modélisation et d'aide à la décision pour la gestion des risques naturels.

L'objectif scientifique de la thèse est de développer un jumeau numérique probabiliste capable de représenter, prédire et expliquer l'évolution de phénomènes hydrologiques rapides à partir d'un réseau distribué de capteurs hydrométéorologiques. Contrairement aux approches reposant exclusivement sur des modèles physiques ou sur des méthodes d'apprentissage automatique de type boîte noire, l'approche proposée s'appuiera sur les réseaux bayésiens dynamiques afin de combiner connaissances expertes, données d'observation et gestion explicite des incertitudes.

La recherche visera à répondre à plusieurs verrous scientifiques :

- Comment représenter de manière probabiliste la propagation spatio-temporelle de phénomènes rapides dans des bassins versants partiellement instrumentés ?
- Comment exploiter conjointement des observations hétérogènes (hauteurs d'eau, vitesses d'écoulement, précipitations, informations géographiques) dans un cadre cohérent et explicable ?
- Comment concevoir des modèles transférables vers des bassins peu ou non instrumentés ?
- Comment optimiser le positionnement de capteurs afin de maximiser la capacité prédictive du système tout en limitant les coûts d'instrumentation ?
- Comment transformer des prévisions probabilistes en indicateurs directement exploitables par les gestionnaires de crise et les services de secours ?

Les travaux s'articuleront autour de quatre axes principaux :

Axe 1 – Jumeau numérique probabiliste des bassins versants
Développement d'une architecture originale de réseaux bayésiens dynamiques permettant de représenter la structure spatiale des bassins versants, les mécanismes de propagation des phénomènes hydrologiques et les différentes sources d'incertitude.

Axe 2 – Instrumentation intelligente et optimisation des réseaux de capteurs
Développement de méthodes d'analyse de l'information et d'optimisation permettant d'identifier les emplacements les plus pertinents pour l'installation de nouveaux capteurs et d'évaluer la valeur informationnelle des observations disponibles.

Axe 3 – Prévision probabiliste et systèmes d'alerte
Développement d'algorithmes de prévision à court terme du dépassement de seuils critiques et de mécanismes d'alerte probabilistes adaptés aux besoins opérationnels des acteurs de terrain.

Axe 4 – Cartographie dynamique du risque et aide à la décision
Couplage du jumeau numérique avec des systèmes d'information géographique afin de produire des cartes dynamiques intégrant simultanément l'aléa, l'exposition et la vulnérabilité. Les résultats devront être directement exploitables par les services de secours et les gestionnaires de crise.

Les contributions attendues concernent à la fois les domaines du génie industriel, des systèmes complexes, de l'intelligence artificielle explicable et de la gestion des risques naturels. Les travaux donneront lieu à des expérimentations sur des sites pilotes instrumentés dans les Pyrénées franco-espagnoles et à des publications dans des revues internationales de premier plan.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Description of the topic

Rapid-onset natural phenomena (flash floods, sudden rises in water levels, torrential events) pose a major challenge for mountainous regions. Their dynamics are characterized by significant uncertainties, very short response times, and limited data availability, making it difficult to apply traditional deterministic approaches in an operational context.

This thesis is part of the European Interreg POCTEFA RISKRAPID project dedicated to the development of forecasting, warning, and prevention systems for rapidly occurring natural hazards in small mountain watersheds. The project brings together French and Spanish partners to develop new approaches to observation, modeling, and decision support for natural hazard management.

The scientific objective of the thesis is to develop a probabilistic digital twin capable of representing, predicting, and explaining the evolution of rapid hydrological phenomena based on a distributed network of hydrometeorological sensors. Unlike approaches relying exclusively on physical models or black-box machine learning methods, the proposed approach will utilize dynamic Bayesian networks to combine expert knowledge, observational data, and explicit uncertainty management.

The research will aim to address several scientific challenges:

- How can the spatiotemporal propagation of rapid phenomena in partially instrumented watersheds be represented probabilistically?
- How can heterogeneous observations (water levels, flow velocities, precipitation, geographic information) be jointly utilized within a coherent and explainable framework?
- How can we design models that are transferable to basins with few or no instruments?
- How can we optimize sensor placement to maximize the system's predictive capacity while limiting instrumentation costs?
- How can we transform probabilistic forecasts into indicators that can be directly used by crisis managers and emergency services?

The research will focus on four main areas:

Area 1 – Probabilistic digital twin of watersheds
Development of an original architecture of dynamic Bayesian networks capable of representing the spatial structure of watersheds, the propagation mechanisms of hydrological phenomena, and the various sources of uncertainty.

Axis 2 – Smart instrumentation and optimization of sensor networks
Development of information analysis and optimization methods to identify the most relevant locations for installing new sensors and to evaluate the informational value of available observations.

Axis 3 – Probabilistic forecasting and warning systems
Development of short-term forecasting algorithms for the exceedance of critical thresholds and probabilistic warning mechanisms tailored to the operational needs of field personnel.

Axis 4 – Dynamic risk mapping and decision support
Integration of the digital twin with geographic information systems to produce dynamic maps simultaneously incorporating hazard, exposure, and vulnerability. The results must be directly usable by emergency services and crisis managers.

Expected contributions cover the fields of industrial engineering, complex systems, explainable artificial intelligence, and natural risk management. The research will involve experiments at instrumented pilot sites in the French-Spanish Pyrenees and publications in leading international journals.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026
WEB : https://www.pirineos-pyrenees.eu/fr/projet-interreg-poctefa-risk-rapid/

Programmes de l'Union Européenne de financement de la recherche (ERC, ERASMUS)

Institut National Polytechnique de Toulouse

309 SYSTEMES

Le candidat devra être titulaire d'un Master 2 ou diplôme équivalent dans l'un des domaines suivants : - Génie Industriel ; - Informatique ; - Science des données ; - Intelligence artificielle ; - Mathématiques appliquées ; Modélisation des systèmes ; Hydrologie ou hydraulique. Compétences recherchées : - probabilités, statistiques et modélisation probabiliste ; - apprentissage automatique et intelligence artificielle ; - programmation scientifique (Python souhaité) ; - traitement et analyse de données ; - modélisation de systèmes complexes ; - aptitude à travailler à l'interface entre recherche académique et partenaires opérationnels. Une expérience en réseaux bayésiens, systèmes dynamiques, gestion des risques, hydrologie ou SIG constituera un atout apprécié mais n'est pas indispensable. Le candidat devra démontrer une forte motivation pour la recherche, de bonnes capacités rédactionnelles en français et en anglais, ainsi qu'une aptitude au travail collaboratif dans un contexte international et interdisciplinaire. Des compétences en espagnol constitueraient également un avantage certain.
The candidate must hold a Master's degree or equivalent in one of the following fields: - Industrial Engineering; - Computer Science; - Data Science; - Artificial Intelligence; - Applied Mathematics; - Systems Modeling; - Hydrology or Hydraulics. Desired skills: - probability, statistics, and probabilistic modeling; - machine learning and artificial intelligence; - scientific programming (Python preferred); - data processing and analysis; - complex systems modeling; - ability to work at the interface between academic research and operational partners. Experience in Bayesian networks, dynamical systems, risk management, hydrology, or GIS is a plus but not required. The candidate must demonstrate a strong motivation for research, good writing skills in French and English, and the ability to work collaboratively in an international and interdisciplinary context. Knowledge of Spanish would also be a definite plus.