Description du poste

Cette thèse s'attaque au défi des incertitudes épistémiques (portant sur l'état de connaissance des structures du sous-sol), moins bien contraintes que les incertitudes aléatoires (relatives à la variabilité des mesures). Ces incertitudes découlent de l'ambiguïté des données et sont généralement contrebalancées par l'introduction manuelle d'interprétations, e.g., sous la forme de coupes interprétatives. Cette approche fonctionne en pratique pour produire des modèles, mais se heurte à des difficultés pour communiquer ces hypothèses et propager les incertitudes dans une approche probabiliste. Dans ce processus, les contraintes techniques s'ajoutent aux biais cognitifs et rendent difficile le fait de s'écarter d'une hypothèse initiale.

Nous proposons de développer une méthodologie de modélisation qui formalise les concepts géologiques invoqués et permette d'en explorer les incertitudes, au travers des échelles spatiales et du temps. Cette approche innovante s'inspirera du processus cognitif d'interprétation des géologues.

Ce développement sera porté par le·a candidat·e, avec comme tâches principales :
-la formalisation d'une base de connaissances structurales, s'appuyant sur les notions clef de géologie structurale, rassemblées dans une ontologie,
-la collecte d'un corpus structural, qui rassemblera des exemples clef permettant de tester les capacités d'interprétation du système construit,
-le développement d'un processus d'interprétation automatisé multiéchelle, basé sur des descripteurs géométriques explicitant les concepts structuraux (e.g., faille, plis), leurs relations, et leurs implications spatiales et temporelles.
Ce changement de paradigme transforme la géomodélisation en un processus d'interprétation automatique des structures basé sur l'intelligence artificielle, plutôt qu'un processus mathématique d'interpolation.