Optimisation multicritère sous incertitude pour la planification adaptative des ressources des services d’incendie et de secours

Les Services départementaux d’incendie et de secours (SDIS) doivent assurer en permanence une couverture opérationnelle de leur territoire malgré une demande variable et difficilement prévisible, des contraintes réglementaires fortes et des ressources humaines et matérielles limitées. Les choix de positionnement des véhicules, d’affectation des personnels et d’engagement sur intervention ont des effets en cascade sur la disponibilité future des centres de secours. Les outils actuels restent majoritairement fondés sur des règles locales, des tableaux de bord et l’expertise métier, avec peu de capacités d’anticipation globale.
Le projet ANR OPTIMOPS vise à concevoir un jumeau numérique paramétrable du fonctionnement quotidien des SDIS, couplé à un optimiseur multicritère capable de recommander, en quasi temps réel, des allocations de ressources adaptées aux risques anticipés et aux contraintes locales. La thèse contribuera au coeur scientifique du projet : conception et calibration du simulateur, optimisation multicritère sous incertitude, comparaison entre méthodes de recherche opérationnelle et apprentissage par renforcement, puis explicabilité et validation des recommandations. Elle s’appuiera sur des données historiques de plusieurs SDIS et sur les prévisions produites par la plateforme PredictOps.
Le problème d’optimisation considéré est un problème décisionnel séquentiel de grande dimension, intégrant les centres de secours, les véhicules, les personnels, leurs compétences et l’évolution temporelle de la demande. Plusieurs objectifs seront traités simultanément au travers des indicateurs CPIO : couverture territoriale, coût, qualité de service, fatigue des agents, équité entre centres, délais et adaptabilité. Certaines exigences – délais réglementaires, niveaux minimaux de couverture ou règles de repos – devront être modélisées comme des contraintes non négociables.

L’institut FEMTO-ST (Franche-Comté Electronique Mécanique Thermique et Optique – Sciences et Technologies, UMR 6174), est une unité mixte de recherche, placé sous la tutelle du Centre National de
la Recherche Scientifique (CNRS) et de l'Université Marie et Louis Pasteur et des ces deux établissements-composantes SUPMICROTECH et UTBM.

L’institut FEMTO-ST est un laboratoire de recherche public d’envergure mondial de grande taille regroupant plus de 700 personnes. Les services soutien et support de l'activité scientifique sont structurés en services communs. L'activité scientifique est structurée en sept départements scientifiques et une équipe de recherche transverse (Récits) :

Département Automatique et Systèmes Micro-Mécatroniques - AS2M

Département d'Informatique et Systèmes Complexes - DISC

Département Energie

Département Mécanique Appliquée

Département Micro Nano Sciences et Systèmes - MN2S

Département Optique

Département Temps-Fréquence

Le candidat ou la candidate devra être titulaire d’un Master 2 ou d’un diplôme d’ingénieur en informatique, recherche opérationnelle, mathématiques appliquées, intelligence artificielle ou domaine proche. Une solide formation en optimisation combinatoire et/ou en apprentissage automatique est attendue. Des connaissances en programmation linéaire en nombres entiers, optimisation multicritère, simulation ou apprentissage par renforcement seront particulièrement appréciées. Une bonne maîtrise de Python est indispensable ; C++ et l’utilisation de solveurs d’optimisation (CPLEX, Gurobi ou équivalent) constituent un atout. Le poste requiert autonomie, rigueur scientifique, goût pour l’expérimentation et capacité à travailler avec des chercheurs, des ingénieurs et des experts métiers des SDIS. Un bon niveau d’anglais scientifique écrit et oral est attendu.