Optimisation des réseaux logistiques complexes via l'intelligence artificielle : application aux systèmes de soins // Optimization of Complex Logistics Networks through Artificial Intelligence: Application to Healthcare Systems

L'intégration de l'intelligence artificielle (IA) dans les systèmes de soins médicaux a démontré son potentiel, notamment en imagerie, diagnostic et prise en charge des patients. Cependant, son application dans la chaîne logistique hospitalière reste encore à développer. Cette dernière nécessite l'utilisation de nouvelles approches/techniques qui permettent d'analyser l'impact sur la prise en charge des patients, les coûts et aussi l'empreinte environnementale.
On s'intéresse aux réseaux logistiques multi-niveaux, multi-produits et multi-dépôts, plus spécifiquement autour de la variante IRP (Inventory Routing Problem), avec l'intégration de flux inverses pour le recyclage et la valorisation des déchets hospitaliers, dans une logique d'économie circulaire.
Face aux incertitudes inhérentes aux chaînes logistiques hospitalières, telles que les fluctuations de la demande (nombre de patients), les épidémies saisonnières (exemple : la grippe) ou les crises imprévues (exemple : pandémie Covid19), une gestion proactive est essentielle.
Les approches issues de la recherche opérationnelle montrent certaines limites (en termes de temps de calcul et qualité de solution), pour résoudre des problèmes de chaînes logistiques complexes. Cette thèse a pour but le développement des nouvelles approches et techniques basées sur l'intelligence artificielle afin d'optimiser des chaînes logistiques de soins complexes, en particulier pour des Groupements Hospitaliers de Territoires (GHTs), en prenant en compte les incertitudes et les objectifs environnementaux.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

The integration of Artificial Intelligence (AI) into medical care systems has demonstrated significant potential, particularly in imaging, diagnostics, and patient management. However, its application to hospital logistics remains underdeveloped. This field requires the adoption of new approaches and techniques to analyze their impact on patient care, costs, and environmental.

Our focus is on multi-level, multi-product, and multi-depot logistics networks, specifically addressing the Inventory Routing Problem (IRP) variant. This includes the integration of reverse flows for the recycling and recovery of hospital waste, aligning with a circular economy approach.

Given the uncertainties inherent in hospital supply chains—such as fluctuations in demand (e.g., patient numbers), seasonal epidemics (e.g., influenza), or crises (e.g., the COVID-19 pandemic)—a proactive management strategy is essential.

Traditional operational research approaches have shown certain limitations in solving complex logistics network problems, particularly in terms of computation time and solution quality. This thesis aims to develop new AI-based approaches and techniques to optimize complex healthcare logistics chains, particularly for Territorial Hospital Groups (GHTs), while accounting for uncertainties and environmental objectives.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Financement d'une collectivité locale ou territoriale

Université d'Artois

585 Sciences, Technologie, Santé

Titulaire d'un Master, Mastère ou diplôme d'ingénieur en informatique, recherche opérationnelle, optimisation, intelligence artificielle. Compétences en programmation Python, Java, C/C++
Master's degree, Specialized Master's, or an engineering diploma in computer science, operations research, optimization, or artificial intelligence. Proficiency in Python, Java, or C/C++ programming.