Prise en compte de la variabilité du bruit de fond et de ses interactions avec le bruit éolien dans la modélisation acoustique

Dans le cadre de la transition énergétique, la France s’est fixé l’objectif ambitieux d’atteindre 33% d’énergies renouvelables dans son mix énergétique d’ici 2030. Parmi ces énergies, l’éolien joue un rôle clé en raison de sa maturité technologique et de son potentiel de production à grande échelle. Cependant, les nuisances sonores potentiellement associées à l’exploitation des parcs éoliens constituent l’un des freins majeurs à leur acceptabilité sociale et, par conséquent, à leur développement. Le défi scientifique consiste à estimer avec fiabilité les nuisances sonores des futurs parcs. Cet enjeu est crucial, car une mauvaise estimation peut entraîner le bridage des machines, avec des conséquences importantes tant sur le plan énergétique que sur le plan financier.

Ces dernières années, les efforts de recherche se sont concentrés sur les mécanismes de génération du bruit à la source, notamment les phénomènes aérodynamiques au niveau des pales et du rotor, ainsi que sur la modélisation détaillée des processus d’émission acoustique et de propagation du bruit à grande distance. En revanche, certains aspects fondamentaux restent encore peu explorés, générant ainsi des incertitudes notables dans les prévisions acoustiques.

Parmi eux, le bruit de fond représente un facteur clé : il varie considérablement selon l’activité humaine, les conditions météorologiques ou les caractéristiques du site, mais est souvent considéré comme constant dans les zones habitées. Cette simplification constitue une source majeure d’incertitude dans l’estimation du bruit éolien. Il apparaît donc essentiel de modéliser et d’intégrer la variabilité dynamique du bruit de fond afin d’améliorer la fiabilité des prédictions acoustiques et de mieux guider l’exploitation des parcs éoliens. Cette hypothèse simplificatrice constitue une approximation majeure, qui introduit une source d’incertitude supplémentaire, à considérer dès lors qu’il s’agit d’estimer une valeur d’émergence. Elle limite la fiabilité des simulations acoustiques et augmente le risque que les niveaux sonores réels excèdent ceux prévus dans les études prévisionnelles. À l’inverse, dans certaines conditions, le bruit de fond peut masquer le bruit éolien. Identifier et caractériser ces conditions pourrait permettre d’optimiser la production des éoliennes en limitant le bridage préventif, tout en réduisant la gêne sonore perçue par les riverains.

La modélisation de l’aspect dynamique et local du bruit de fond constitue un verrou scientifique majeur qu’il est crucial de lever, représentant un enjeu essentiel pour les exploitants de parcs éoliens.
 

L’objectif général de cette thèse est de développer une approche permettant de modéliser la variabilité du bruit de fond environnemental et de l’intégrer dans les modèles acoustiques du bruit éolien. Le travail se décompose en quatre axes principaux :

1. Collecte et préparation des données : exploitation des mesures existantes fournies par un exploitant de parc éolien partenaire et réalisation, si nécessaire, d’une campagne complémentaire ; organisation et prétraitement des données pour les rendre exploitables.
2. Analyse des facteurs influençant le bruit de fond : identification des variables environnementales et anthropiques impactant le bruit de fond (vent, météo, proximité et débit des routes, distance à la végétation, topographie, etc.) et détection des sources dominantes à l’aide d’algorithmes de séparation ou de classification.
3. Modélisation statistique et prédictive : développement de modèles statistiques ou basés sur l’apprentissage automatique pour relier les caractéristiques du site et des sources aux niveaux de bruit observés ; par exemple via l'exploration de régressions multivariées, de modèles probabilistes, de réseaux de neurones ou d'autres méthodes adaptées aux séries temporelles et données spatiales.
4. Construction d’un modèle opérationnel de génération de bruit de fond : proposition d’un outil capable de générer des distributions de bruit de fond en fonction des paramètres d’entrée identifiés et in fine intégration dans les simulations acoustiques pour améliorer l’estimation de l’émergence du bruit éolien.

Ce travail permettra de fournir des outils de simulation fiables, adaptés aux enjeux des industriels, des collectivités et des riverains, tout en contribuant à la compréhension scientifique des phénomènes acoustiques liés aux parcs éoliens. Cette thèse s'inscrit dans une approche combinant acoustique, modélisation numérique et analyse de données expérimentales, dans le cadre de la transition énergétique.

Grâce à notre réseau scientifique, nous aurons accès à des bases de données de bruit de fond fournies par nos partenaires industriels

L'Unité Mixte de Recherche en Acoustique Environnementale (UMRAE) est un laboratoire de recherche commun entre l'Université Gustave Eiffel et le Centre d'Etudes et d'expertise sur les Risques, l'Environnement, la Mobilité et l'Aménagement (CEREMA). Créée le 1er janvier 2018, elle regroupe des équipes de chercheurs, ingénieurs, personnels techniques et doctorants de ces deux organismes pour effectuer des missions de recherche relatives à la réduction du bruit et de son impact sur l'environnement.

Master recherche en acoustique, avec des connaissances en développement de méthodes numériques. Une expérience complémentaire en développement de modèles d’apprentissage serait appréciée. Le/la candidat-e peut également être un-e étudiant-e issu(e) du domaine du machine learning souhaitant appliquer ses connaissances à des problématiques acoustiques. Des compétences et un intérêt à la fois pour la modélisation et l’expérimentation sont attendus. De bonnes qualités rédactionnelles en français et/ou en anglais sont requises. La valorisation des travaux par la publication d’articles scientifiques dans des revues à comité de lecture est attendue, ainsi qu’une communication lors d’au moins une conférence internationale en acoustique.