Modélisation par intelligence artificielle de l’évapotranspiration dans les toitures végétalisées

Le stagiaire intègrera l'équipe thermique de l'axe M3G de l'institut Pascal à l'IUT Clermont Auvergne sur le site de Montluçon.

Contexte :

La végétalisation des toitures et des parois représente une solution prometteuse pour améliorer le confort d’été et réduire l’empreinte carbone du bâtiment. La compréhension et la modélisation de l’évapotranspiration (ET) — mécanisme central du rafraîchissement passif — sont essentielles pour prédire le comportement hygrothermique réel de ces systèmes. L’intelligence artificielle (IA) offre aujourd’hui de nouvelles perspectives pour compléter les approches physiques classiques et améliorer la précision des modèles prédictifs.

Objectif du stage :

Le stage a pour objectif de développer un modèle d’IA prédictif de l’évapotranspiration dans les toitures végétalisées.
Les principales étapes du travail seront :

• l’exploitation de bases de données expérimentales (humidité, température, rayonnement, substrat, végétation, etc.) ;
• la conception et l’entraînement de modèles d’apprentissage automatique (réseaux de neurones, régression non linéaire, random forest, etc.) ;
• la comparaison des performances avec les modèles physiques de type Penman–Monteith ;
• l’analyse de sensibilité et la validation du modèle ;
• la mise en place d’un module IA réutilisable dans des approches couplées hygrothermiques.

Compétences recherchées (BAC + 4 minimum) :

• Connaissances en énergétique du bâtiment ou microclimat urbain.
• Connaissances en machine learning (régression, réseaux de neurones, apprentissage supervisé).
• Maîtrise de Python et des bibliothèques associées.

Durée du stage : 5 mois

Compétences recherchées (BAC + 4 minimum) :

- Solides compétences en modélisation thermique des bâtiments.

- Expérience avec les logiciels de simulation énergétique des bâtiments (par ex. Trnsys, EnergyPlus, OpenStudio).

- La maîtrise de Python pour le traitement et l’analyse des données est fortement appréciée.