Méthode et modèles d'inventaires sur cycle de vie paramétrés pour l'électronique de puissance. Application à la mobilité intermédiaire // Method and life cycle inventory parametric models in power electronics. Applications to mid mobilities

Atteindre les objectifs de soutenabilité nécessite une réduction sans précédents des impacts environnementaux de nos activités. Pour y arriver, l'électrification massive de nos usages est en train d'être déployée. Ces nouvelles techniques reposent sur des convertisseurs d'électronique de puissance (EP), permettant l'interface avec le réseau électrique. Ces appareils, indispensables fonctionnement des énergies renouvelables et aux véhicules électriques, ne sont pas sans impacts sur l'environnement. Les résultats d'analyses de cycle de vie (ACV) (Jolliet et al. 2010) de tels systèmes électroniques publiés en recherche montrent la nécessité pour les chercheurs de prendre en compte les impacts environnementaux qu'ils génèrent afin de pas créer davantage d'impact que ce que ces technologies seraient sensées réduire. L'équipe EP du G2ELab, en collaboration avec d'autres laboratoires (GSCOP, Ampère, CEA), ont uni leurs expertises sur la période 2022-2025 pour mettre au clair des verrous essentiels à la pratique de l'ACV intégrée en recherche en EP, notamment par l'implication dans les projets européens (DESIRE4EU, EECONE, ARCHIMEDES) et réseaux portants sur l'éco-conception (SETAC, GDR SEED,…).

La méthodologie d'ACV est reconnue au niveau international comme évaluation multicritère environnementale, normalisée ISO 14040/44. Elle se base sur une étape de cadrage de l'étude, puis sur un modèle d'inventaire des flux de matière et d'énergie du cycle de vie (ICV). Les flux sont convertis en impacts environnementaux à l'aide de bases de données et de modèles d'impacts. Ils peuvent ensuite être analysés pour chaque sous-ensemble du système, chaque étape du cycle de vie, pour accompagner la prise de décision. On peut associer aux données d'inventaires des valeurs d'incertitude et d'indicateurs de qualité de la donnée, pour aider à l'interprétation des résultats (Prado et al., 2022).

Pour le domaine de l'EP, les bases de données d'inventaire sont encore très peu fiables, peu accessibles, avec une faible analyse de leur qualité (critères PEDIGREE de Weidema, 2000). Elles sont nécessaires dès les phases amont des processus de recherche et développement (Fang et al, 2024) pour aider les chercheurs à orienter leurs travaux de recherche en EP. Usuellement, une collecte de données a lieu afin de « figer » un inventaire, en lui attribuant un score de représentativité qui est ensuite interprété en tant qu'incertitude. De plus, il est particulièrement difficile dans le domaine de l'EP d'acquérir des données fiables sur les procédés de fabrication et les matériaux à cause de la diversité des dispositifs, des composants et des matériaux, qui évoluent dans le temps et dans les usages, soumis au secret industriel. Enfin, les modèles et méthodes disponibles sont peu accessibles à l'expert en EP.

En ACV, les modèles d'inventaire se paramétrisent, en créant des liens entre des paramètres métiers (e.g. variables électroniques), et les dimensions physiques de l'objet (e.g. la masse de la matière). Cette approche cherche à générer des données d'inventaires en optimisant l'effort de collecte, par exemple en permettant une déclinaison d'un même système.
Les objectifs du projet de thèse sont :
Comment convertir efficacement (de manière intégrée aux activités des électroniciens de puissance) des analyses d'ACV des convertisseurs de puissance en actions concrètes d'éco-conception ?
Comment faire face au manque de données sur les matériaux et processus industriels de fabrication des convertisseurs de puissance ?
Comment présenter les résultats d'ACV efficacement en fonction du public cible ?
Comment intégrer les résultats en conception ?
Au sein de ces enjeux, des productions scientifiques sous forme d'articles de conférence et de revues sont attendus.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Achieving sustainability goals requires an unprecedented reduction in the environmental impact of our activities. To this end, the widespread electrification of our energy uses is being deployed. These new technologies rely on power electronics (PE) converters, which interface with the electrical grid. These devices, essential for the operation of renewable energy systems and electric vehicles, are not without environmental impacts. The results of life cycle assessments (LCAs) (Jolliet et al. 2010) of such electronic systems published in research demonstrate the need for researchers to consider the environmental impacts they generate in order to avoid creating more impact than these technologies are intended to reduce. The EP team of G2ELab, in collaboration with other laboratories (GSCOP, Ampère, CEA), combined their expertise over the period 2022-2025 to clarify essential obstacles to the practice of integrated LCA in EP research, in particular through involvement in European projects (DESIRE4EU, EECONE, ARCHIMEDES) and networks focusing on eco-design (SETAC, GDR SEED,…).
Life Cycle Assessment (LCA) methodology is internationally recognized as a multi-criteria environmental assessment, standardized by ISO 14040/44. It is based on a scoping phase of the study, followed by a life cycle inventory (LCI) model of material and energy flows. These flows are converted into environmental impacts using databases and impact models. They can then be analyzed for each subset of the system, at each stage of the life cycle, to support decision-making. Uncertainty values and data quality indicators can be associated with the inventory data to aid in the interpretation of the results (Prado et al., 2022).

In the field of power electronics, inventory databases remain largely unreliable and inaccessible, with limited quality assessment (Weidema's PEDIGREE criteria, 2000). They are essential from the earliest stages of research and development processes (Fang et al., 2024) to help researchers guide their PE research. Typically, data is collected to 'freeze' an inventory, assigning it a representativeness score that is then interpreted as uncertainty. Furthermore, acquiring reliable data on manufacturing processes and materials in the PE field is particularly challenging due to the diversity of devices, components, and materials, which evolve over time and in use, and are subject to trade secrets. Finally, the available models and methods are not readily accessible to PE experts.
In LCA, inventory models are parameterized by creating links between business parameters (e.g., electronic variables) and the physical dimensions of the object (e.g., the mass of the material). This approach aims to generate inventory data while optimizing the collection effort, for example, by allowing the same system to be used in multiple applications.

The objectives of this thesis project are:
How can we effectively translate LCA analyses of power converters into concrete eco-design actions (integrated into the activities of power electronics engineers)?
How can we address the lack of data on the materials and industrial manufacturing processes of power converters?
How can we effectively present LCA results to the target audience?
How can we integrate the results into the design process?
Within these challenges, scientific publications in the form of conference papers and journal articles are expected.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Contrat doctoral

Concours pour un contrat doctoral

Université Grenoble Alpes

220 EEATS - Electronique, Electrotechnique, Automatique, Traitement du Signal

Niveau master en électronique et si possible en électronique de puissance Bonnes connaissances de l'ACV Bonnes connaissances des outils de data learning et modélisations Maitrise de la programmation en Python connaissances expérimentales en EP Maitrise de l'anglais
MAstering power electronics Good knowledge in LCA Good knowledge in data learing and modeling mastering Python langage Good experimental skills in PE MAstering English