Thèse Qualité de l'Air et Risques Environnementaux et Sanitaires des Particules - Aide au Développement d'Un Outil d'Aide à la Décision Basé sur l'Intelligence Artificielle H/F - 59

Établissement : Université de Lille
École doctorale : Sciences de la Matière du Rayonnement et de l'Environnement
Laboratoire de recherche : LGCgE - Laboratoire Génie Civil & Géo-Environnement
Direction de la thèse : Annabelle DERAM ORCID 0000000289936475
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-05-10T23:59:59

Ce projet de thèse porte sur l'étude de la qualité de l'air et des risques sanitaires associés aux particules atmosphériques, avec pour objectif le développement d'un outil d'aide à la décision basé sur l'intelligence artificielle (IA). Bien que les effets de la pollution de l'air sur la santé soient établis, des incertitudes subsistent quant au rôle précis des caractéristiques physico-chimiques des particules dans leur toxicité.
Le projet s'inscrit dans le cadre du programme IARISQ, qui vise à proposer une approche innovante et holistique de l'évaluation des risques sanitaires (ERS). Il repose sur deux axes principaux : l'analyse des effets sanitaires des particules en fonction de leurs propriétés physico-chimiques, et l'évaluation de l'exposition quotidienne des populations à la pollution atmosphérique. L'objectif final est de produire un outil prédictif performant, capable d'améliorer la gestion de la qualité de l'air et d'anticiper les épisodes de pollution, en complément des modèles existants.
Les travaux de thèse s'organisent autour de trois volets. Le premier consiste à constituer et enrichir une base de données (BD PC2) regroupant les caractéristiques physico-chimiques des particules et leurs effets toxicologiques (notamment stress oxydatif et inflammation), à partir de données expérimentales, bibliographiques et épidémiologiques. Ces données seront harmonisées et préparées pour leur exploitation par des modèles d'IA. Dans le 2ème volet, le/la doctorant(e)contriv-buera à l'évaluation et la validation de modèles d'IA capables de prédire les seuils de toxicité des particules selon leurs propriétés. Enfin, dans le cadre du 3ème volet, le/la doctorant(e) contribuera à modéliser l'évolution des caractéristiques physico-chimiques des particules en fonction des conditions environnementales (météorologie, trafic, émissions industrielles, etc.) et à évaluer le risque sanitaire potentiel associé.
Ce projet est mené en collaboration avec plusieurs partenaires complémentaires : un laboratoire en informatique spécialisé en IA et traitement de données (CRISATL), une équipe experte en environnement (LGCgE), et un observatoire régional de la qualité de l'air fournissant données et expertise en modélisation (ATMO HdF). Les résultats attendus permettront de mieux comprendre les mécanismes de toxicité des particules, d'améliorer les méthodes d'évaluation des risques et de soutenir des politiques publiques plus ciblées en matière de qualité de l'air, dans une perspective de protection de la santé et de l'environnement.
Le doctorant devra posséder des compétences en toxicologie et en santé environnementale, ainsi qu'un intérêt pour les approches interdisciplinaires et les outils de modélisation, notamment l'IA.

La pollution de l'air et les particules atmosphériques sont des enjeux de santé publique. L'impact sanitaire de ces particules n'est plus à démontrer mais des zones d'ombre persistent sur l'implication de leurs caractéristiques physicochimiques. Dans ce cadre, le projet IARISQ vise à étudier, concevoir et développer un système d'aide à la décision intelligent pour une prédiction pertinente de la qualité de l'air avec un focus sur deux aspects complémentaires : (1) l'évaluation des risques sanitaires (ERS) des particules atmosphériques, en considérant leurs caractéristiques physicochimiques complexes et (2) l'évaluation de l'exposition de la population à la pollution atmosphérique dans le suivi quotidien de la qualité de l'air. Cette prédiction est à confronter avec les résultats des outils usuels déployés par ATMO-HDF sur la base des mêmes données de la région Hauts-de-France. L'outil pourra être mutualisé à l'échelle nationale. Le projet apporte une précieuse plus-value à la compréhension et à la gestion des enjeux de santé publique liés à la pollution atmosphérique. L'une des principales contributions réside dans son approche holistique sur les particules atmosphériques, en considérant leurs caractéristiques physicochimiques. En évaluant les risques sanitaires associés à ces particules et en suivant l'exposition quotidienne de la population à la pollution atmosphérique, le projet engendrera un outil pertinent d'aide à la décision. Il comblera également une lacune importante en explorant des méthodologies alternatives pour évaluer les impacts des particules sur la santé. De plus, en améliorant la modélisation de la qualité de l'air, le projet contribuera à une gestion plus proactive de la pollution, en permettant une meilleure anticipation des situations de pic de pollution et en soutenant des politiques environnementales plus ciblées, tout en préservant la santé humaine et l'environnement.

Contribuer au développement d'un outil d'aide à la décision basé sur l'IA, en particulier par la constitution et l'enrichissement d'une base de données sur les particules et leurs effets sanitaires, et par l'exploration de méthodes alternatives d'évaluation des risques sanitaires pour comparer leurs performances avec celles des modèles d'IA.

Volet 1 : Constitution et structuration de la base de données (BD PC2)
- Collecte et compilation des données sur les particules (caractéristiques physico-chimiques détaillées, résultats toxicologiques (in vitro, in vivo et épidémiologiques)
- Prétraitement et harmonisation des données (format, unités, structuration) pour compatibilité avec les modèles d'IA.
- Analyse critique des données pour identifier les paramètres physico-chimiques les plus pertinents à intégrer dans les modèles.

Volet 2 : Évaluation et validation des modèles d'IA en collaboration étroite avec un Postdoc spécialisé en IA (laboratoire CRISTAL) :
- Participation à l'évaluation des modèles d'IA pour prédire les seuils de toxicité selon les caractéristiques physico-chimiques.
- Comparaison des performances des modèles existants et développés dans le cadre du projet.
- Identification des paramètres clés et proposition d'améliorations méthodologiques pour optimiser la prédiction du risque toxique.

Volet 3 : Modélisation environnementale et évaluation du risque :
- Modélisation de l'évolution des caractéristiques physico-chimiques des particules selon les conditions environnementales (météo, trafic, émissions industrielles) en collaboration étroite avec un Postdoc spécialisé en IA (laboratoire CRISTAL)
- Évaluation du risque sanitaire potentiel associé
- Participation au développement d'outils d'aide à la décision sur les impacts sanitaires.