Communications D2D Mesh en 5G/6G pour environnements dégradés : optimisation de l’accès au canal, de la gestion des ressources et de la résilience réseau

Contexte et objectifs

L’émergence des réseaux 5G et 6G ouvre la voie à des architectures de communication plus flexibles et résilientes, capables de fonctionner même en l’absence d’infrastructures centrales. Parmi ces approches, les communications Device-to-Device (D2D) et les réseaux en maillage (mesh) représentent une solution clé pour assurer la continuité de service dans des environnements dégradés : zones de catastrophe, congestion extrême, pannes de stations de base, environnements denses, etc.

Dans ces scénarios, les communications D2D mesh permettent aux terminaux de relayer eux-mêmes les données sans dépendre systématiquement du réseau centralisé, offrant ainsi : une résilience accrue, une meilleure couverture, une réduction de la charge sur le réseau, une latence plus faible, une capacité à maintenir des services critiques, même en cas de perte partielle ou totale d’infrastructure.

Les évolutions prévues pour la 6G — AI-native networking, sidelink évolué, terahertz communications, RIS, Non-Terrestrial Networks — renforcent la pertinence de ces approches distribuées. Cependant, l’exploitation efficace du D2D mesh dépend de plusieurs défis encore ouverts : l’accès au canal, la gestion des ressources radio, la formation automatique du maillage, la mobilité, et le maintien d’une qualité de service dans un environnement dynamique et dégradé.

 La thèse vise à concevoir, modéliser et optimiser un système de communication D2D mesh basé sur la 5G et la 6G, capable d’assurer une communication fiable dans des environnements dégradés.

Verrous scientifiques

Le premier verrou scientifique réside dans l’intégration harmonieuse des technologies de communication sans fil, des jumeaux numériques et de l’intelligence artificielle dans un système de gestion de flotte décentralisé. En effet, chaque technologie apporte des contraintes spécifiques en termes de données à traiter, de latence, et de résilience des communications. Il s’agit donc de concevoir un système qui permette à ces technologies de fonctionner en synergie, tout en garantissant une gestion efficace des flottes de véhicules dans des environnements urbains complexes, où les conditions de trafic, de circulation et de couverture réseau sont variables.

Le second verrou scientifique à lever est l’optimisation de l’intelligence artificielle pour gérer en temps réel la collecte et le transport de données, tout en prenant en compte les enjeux énergétiques et la QoS. Il est nécessaire de développer des algorithmes d’optimisation capables de traiter des données géospatiales en temps réel, d’anticiper les besoins éen QoS et de gérer les interruptions ou perturbations du réseau de communication. Une évaluation de la performance de ces algorithmes dans un environnement réel, via la simulation et la modélisation de scénarios divers, s’avère essentielle pour valider leur efficacité. 

Caractère innovant

Ce sujet de thèse se distingue par son approche innovante visant à concevoir et optimiser un système de communication D2D mesh 5G/6G résilient, spécifiquement adapté aux environnements dégradés ou partiellement déconnectés, tels que les zones de catastrophe, les environnements urbains fortement congestionnés, ou les scénarios de panne d’infrastructure.

L’originalité de ce travail réside dans la combinaison de plusieurs avancées technologiques majeures :

- L’exploitation avancée du sidelink 5G/6G pour permettre des communications directes, multi-sauts et auto-organisées entre terminaux.

- La conception de mécanismes d’accès au canal distribués (MAC) et robustes, capables d’opérer sans coordination centrale et de s’adapter dynamiquement aux variations du canal et de la topologie.

- L’intégration de stratégies de gestion de ressources radio (RRM) intelligentes, distribuées et résilientes, pour optimiser l’allocation de bande, de puissance et de relais D2D en contexte instable.

- Le développement d’un réseau mesh auto-organisé, pouvant maintenir la connectivité malgré les perturbations, les nœuds défaillants ou la perte de stations de base.

- L’utilisation d’intelligence artificielle distribuée pour améliorer la décision locale (sélection de relais, routage opportuniste, estimation du canal, prédiction de qualité de lien).

- L’étude de scénarios complexes fortement dégradés, rarement abordés dans la littérature actuelle, en combinant mobilité, brouillage, congestion et coupure d’infrastructure.

Cette approche hybride, mêlant communications avancées, optimisation distribuée et IA, va au-delà des architectures D2D classiques et ouvre la voie à des systèmes de communication véritablement robustes, adaptatifs et résilients, alignés sur les attentes des réseaux 6G.

Résultats attendus et valorisation

Les résultats attendus incluent :

- Le développement d’un protocole MAC/RRM distribué pour les communications D2D mesh 5G/6G en environnement dégradé.

- Des algorithmes de gestion dynamique des ressources (puissance, bande, relais, multi-hop), optimisés pour la résilience, la latence et la robustesse aux défaillances.

- Des modèles analytiques et simulationnels avancés permettant d’évaluer le comportement du réseau dans des conditions réalistes : mobilité, pannes, brouillage, congestion, fading complexe.

- Une preuve de concept fonctionnelle, via des simulations de grande échelle (NS-3, 5G-LENA, AI/ML), voire des expérimentations SDR selon les possibilités du laboratoire.

Une contribution scientifique forte, avec des publications dans les revues et conférences internationales en réseaux sans fil, 5G/6G, D2D et résilience (IEEE Transactions on Communications, IEEE Networking, Globecom, VTC, Ad Hoc Networks…).

Les travaux serviront de base à des applications critiques : communications de secours, réseaux d’urgence, véhicules connectés hors-couverture, infrastructures tactiques, IoT distribué résilient, etc.
Ce caractère fortement appliqué favorisera également des collaborations industrielles en lien avec les enjeux de fiabilité et de continuité de service.

Encadrement de la thèse

Le directeur de thèse, Prof. Abderrezak Rachedi, ainsi que le co-encadrant, Omar Sami Oubbati, travaillent étroitement sur ces thématiques en intégrant des technologies telles que les jumeaux numériques et l’intelligence artificielle . Ce projet bénéficie du soutien de la startup uGetWin, spécialisée dans les innovations en communication sans-fil et la collecte de données en temps réel, qui assure le financement de la thèse dans le cadre du dispositif CIFRE. Ce financement permet de rapprocher les chercheurs du secteur privé et de garantir l’applicabilité industrielle des résultats.

Le financement CIFRE permet d’assurer une collaboration étroite entre le laboratoire de recherche et uGetWin, apportant ainsi des perspectives à la fois académiques et industrielles pour l’aboutissement du projet. La thèse s’inscrit dans une dynamique de recherche appliquée, visant à combiner la rigueur scientifique et les défis concrets du secteur de la logistique urbaine.

Candidat(e)

De préférence, titulaire d’un master II en Informatique, Réseaux et télécommunications ou sciences de données et ingénerie de données .

Le candidat ou la candidate doit être passionné(e) par les technologies avancées liées à l’intelligence artificielle et les systèmes de communication sans-fil. Il ou elle devra avoir une forte capacité à travailler de manière autonome, tout en étant capable d’interagir efficacement avec les membres de l’équipe. Des compétences en modélisation, optimisation et analyse de systèmes complexes seront particulièrement appréciées.

Une bonne maîtrise des langages de programmation (Python, C++, etc.), des outils de simulation de réseaux et des systèmes embarqués sera un atout. 

Le candidat ou la candidate sera amené(e) à publier en anglais dans des conférences et revues internationales spécialisées sur des sujets tels que les systèmes de transport intelligents, les réseaux de communication sans fil. 

Période de la thèse CIFRE: mars 2026- mars 2029

Keywords : Jumeaux numériques, Communication D2D, 5G, ML, Intelligence artificielle, Résilience des réseaux.

References

- Safa Hamdoun, Abderrezak Rachedi, Yacine Ghamri-Doudane — Graph-Based Radio Resource Sharing Schemes for MTC in D2D-based 5G Networks. Mobile Networks and Applications, 2020.

- Mohammadsaleh Nikooroo, Juan Estrada-Jiménez, Aurel Machálek, Jérôme Härri, Thomas Engel, Ion Turcanu— Mitigating Collisions in Sidelink NR V2X: A Study on Cooperative Resource Allocation. arXiv, 2024. 

- Brian McCarthy, Andres Burbano-Abril, Viktor Rangel Licea, Aisling O'Driscoll — OpenCV2X: Modelling of the V2X Cellular Sidelink and Performance Evaluation for Aperiodic Traffic. arXiv, 2021.

- P. K. Malik et al. A Comprehensive Survey on Integration of D2D Communication in 5G and Beyond Networks. IEEE Access, 2023.

- K. Doppler, M. Xiao, et al. "Device-to-Device Communication in 5G New Radio", IEEE Wireless Communications Magazine 

Le Laboratoire d’informatique Gaspard-Monge (LIGM) est une unité mixte de recherche (UMR 8049) du CNRS, de l’Université Gustave Eiffel et de l’École des Ponts ParisTech, localisé sur le campus de la cité Descartes à Champs-sur-Marne (bâtiment Copernic, bâtiment ESIEE et bâtiment Coriolis).

Le LGIM a un effectif de personnel permanent d’une centaine de personnes et non permanent d’une soixantaine de personnes.

Le laboratoire est structuré en 6 équipes de recherche : A3SI (Algorithmes, architectures, analyse et synthèse d’images), ADA (Algorithmique discrète et applications), BAAM (Bases de données, automates, analyse d’algorithmes et modèles), COMBI (Combinatoire algébrique et calcul symbolique), LRT (Logiciels, réseaux et temps réel), et MMSID (Méthodes et modèles pour le signal, l’image et les données).

Les membres du LIGM s’impliquent dans les enseignements d’informatique de l’Institut Gaspard-Monge, de l’IUT de Marne-la-Vallée, d’ESIEE Paris et de l’École des Ponts ParisTech.

De préférence, titulaire d’un master II en Informatique, Réseaux et télécommunications ou sciences de données et ingénerie de données .

Le candidat ou la candidate doit être passionné(e) par les technologies avancées liées à l’intelligence artificielle et les systèmes de communication sans-fil. Il ou elle devra avoir une forte capacité à travailler de manière autonome, tout en étant capable d’interagir efficacement avec les membres de l’équipe. Des compétences en modélisation, optimisation et analyse de systèmes complexes seront particulièrement appréciées.

Une bonne maîtrise des langages de programmation (Python, C++, etc.), des outils de simulation de réseaux et des systèmes embarqués sera un atout. 

Le candidat ou la candidate sera amené(e) à publier en anglais dans des conférences et revues internationales spécialisées sur des sujets tels que les systèmes de transport intelligents, les réseaux de communication sans fil.