Doctorant Ingénieur de Recherche en Énergies Renouvelables et Stockage Électrique (H/F)
Description du poste :
Chercheur Doctorant Stratégie intelligente de désassemblage des batteries de véhicules électriques en fin de vie basée sur l'évaluation de leur état H/F CESI Campus Arras
Résumé
Les batteries de véhicules électriques conservent une valeur récupérable au-delà de leur première vie.
Mots-clés : Désassemblage intelligent / Gestion de fin de vie / Batteries de véhicules électriques / État de santé / IA explicable
L'utilisation des véhicules électriques au cours de leur cycle de vie influence fortement l'état de leurs batteries et les stratégies de traitement en fin de vie. Aujourd'hui, le démontage reste largement manuel en raison de la diversité des opérations, des architectures et des niveaux de dégradation, ce qui augmente les coûts et les risques. Bien que plusieurs projets européens et nationaux aient fait progresser la robotisation du démantèlement, les modules et cellules sont encore fréquemment orientés vers le broyage sans prise en compte de leur potentiel résiduel. Cette thèse vise à concevoir une stratégie intelligente de désassemblage associant des connaissances a priori issues des profils d'utilisation et du passeport batterie à l'estimation de l'état de santé des composants. Elle mobilisera des modèles d'intelligence artificielle explicable pour le diagnostic et des méthodes de recherche opérationnelle pour sélectionner la profondeur de désassemblage ainsi que les voies de valorisation adaptées : réutilisation, reconditionnement, seconde vie ou recyclage. Les décisions tiendront compte des compromis économiques, environnementaux et techniques. La validation reposera sur des cas d'étude industriels, des données expérimentales et les moyens complémentaires de CESI LINEACT et de l'Université d'Agder. L'objectif est d'améliorer la récupération de valeur, la traçabilité des décisions et la durabilité des filières de traitement des batteries.
Contexte scientifique
L'adoption rapide des véhicules électriques accroît le volume de batteries lithium-ion arrivant en fin de vie. La variabilité des géométries, des chimies et de l'historique de dégradation rend le démantèlement coûteux et très consommateur de main-d'œuvre, avec des enjeux de sécurité. Les stratégies de recyclage actuelles privilégient souvent le broyage et la récupération des matières premières critiques, au détriment de la valeur résiduelle présente à l'échelle des modules ou des cellules.
Un démantèlement intelligent suppose donc d'établir des liens entre les informations relatives au cycle de vie (notamment les passeports batterie), les mesures de diagnostic et les décisions industrielles. Une analyse conjointe de la faisabilité technique, de l'économie et des impacts environnementaux peut permettre de choisir plus sélectivement les filières de réutilisation, de reconditionnement, de seconde vie ou de recyclage.
Sujet
La thèse développera un cadre intelligent et automatisé d'aide à la décision, destiné à déterminer la profondeur de démantèlement (pack, module ou cellule) et la filière de fin de vie privilégiée pour chaque batterie de véhicule électrique. Elle intégrera trois volets de recherche complémentaires :
1. Intégration de connaissances multi-sources : combiner les profils d'usage des véhicules et les informations du passeport batterie avec des estimations de l'état de santé (So
H) des modules et des composants, afin d'évaluer la performance et la valeur résiduelles.
2. Recherche opérationnelle et ordonnancement dynamique : formuler et résoudre des problèmes de décision multicritères et d'optimisation portant sur les choix de démantèlement, les opérations de traitement et l'acheminement vers le recyclage, le reconditionnement, la refabrication ou la seconde vie.
3. IA explicable pour le diagnostic : développer des modèles interprétables, fondés sur les données, des indicateurs de santé et des explications de décision, afin de favoriser la traçabilité et l'acceptation industrielle.
Les méthodes seront évaluées à partir d'études de cas de démantèlement industriel de batteries et de données de projets, en examinant la valeur de récupération, les coûts de traitement, la faisabilité et la durabilité de l'exploitation.
Travaux antérieurs dans le laboratoire
L'Université d'Agder (Ui
A) et CESI LINEACT apportent des expertises complémentaires en démantèlement robotisé de batteries, simulation, IA, recherche opérationnelle et aide à la décision industrielle. L'Ui
A a développé des plateformes expérimentales et produit des données de traitement de batteries dans le cadre de projets nationaux et européens tels que RHINOCEROS, RESTORE et LIBRES.
CESI LINEACT apporte des méthodes d'optimisation et de décision fondées sur les données, ainsi que des compétences en planification de la fabrication de batteries, gestion de l'énergie et modèles de batteries. Des activités conjointes, des échanges d'étudiants et des publications relient déjà les deux équipes, ce qui favorise une validation et un encadrement partagés.