Thèse Mardin Sytèmes Multi-Agents pour les Réseaux Logistiques Robustes Dynamiques et Intelligentes H/F - 10

Établissement : Université de technologie de Troyes
École doctorale : Sciences Pour l'Ingénieur
Laboratoire de recherche : Laboratoire Informatique et Société Numérique
Direction de la thèse : Hasan Murat AFSAR ORCID 0000000155869887
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-04-24T23:59:59

Les chaînes d'approvisionnement modernes évoluent dans des environnements de plus en plus complexes, incertains et dynamiques, soumis à des perturbations fréquentes telles que les fluctuations de la demande, les pénuries de ressources ou les contraintes environnementales. Dans ce contexte, les approches traditionnelles de gestion centralisée montrent leurs limites pour assurer à la fois performance, robustesse et durabilité.

Ce projet de thèse vise à développer un cadre innovant basé sur les systèmes multi-agents, combinant intelligence artificielle, optimisation multicritère et simulation, afin de modéliser et piloter des réseaux logistiques de manière décentralisée et adaptative. L'objectif est de concevoir des mécanismes permettant aux différents acteurs (fournisseurs, producteurs, distributeurs) de prendre des décisions autonomes, coopératives et évolutives en fonction des conditions du système.

Les travaux porteront notamment sur la sélection dynamique des fournisseurs, la négociation en temps réel, ainsi que l'intégration de techniques d'apprentissage par renforcement pour améliorer les stratégies de décision au fil du temps. Une attention particulière sera accordée à l'intégration de critères de développement durable, tels que l'empreinte carbone, la consommation de ressources et les aspects sociaux.

Les résultats attendus incluent le développement d'un outil d'aide à la décision permettant d'évaluer et d'optimiser la performance des chaînes d'approvisionnement, tout en renforçant leur résilience face aux aléas et leur contribution à une économie plus durable.

Les chaînes logistiques modernes sont confrontées à des défis croissants liés à leur complexité, à l'incertitude et aux perturbations fréquentes (crises sanitaires, tensions géopolitiques, fluctuations de la demande). Les approches classiques, souvent centralisées, peinent à répondre efficacement à ces enjeux. Dans ce contexte, les systèmes multi-agents, couplés à des techniques d'intelligence artificielle et d'optimisation, offrent des perspectives prometteuses pour modéliser des systèmes distribués et améliorer leur résilience. Par ailleurs, l'intégration des enjeux de développement durable renforce la nécessité de nouvelles approches décisionnelles multicritères.

L'objectif principal de cette thèse est de développer un cadre méthodologique innovant pour la gestion des chaînes d'approvisionnement dans des environnements incertains et dynamiques. Il s'agit de concevoir des modèles basés sur des systèmes multi-agents permettant de prendre des décisions décentralisées, adaptatives et robustes. Les travaux viseront notamment à améliorer la sélection des fournisseurs, les mécanismes de négociation et la coordination entre acteurs, tout en intégrant des critères économiques, environnementaux et sociaux.

La méthodologie reposera sur une combinaison de modélisation, simulation et optimisation. Dans un premier temps, une étude bibliographique approfondie permettra d'identifier les approches existantes en systèmes multi-agents, optimisation et gestion des chaînes logistiques. Ensuite, des modèles multi-agents seront développés pour représenter les interactions entre les différents acteurs. Ces modèles intégreront des techniques d'optimisation multicritère et d'apprentissage par renforcement afin de permettre une prise de décision adaptative. Des simulations numériques seront réalisées pour évaluer les performances des approches proposées, notamment en comparaison avec des méthodes centralisées.