Thèse Cifre - Traçabilité et Authenticité des Matières Recyclées H/F LNE

Détail du poste

Laboratoire d'accueil : UMRs Sayfood et MIA (INRAE) et UR SMS Université de Rouen Normandie
Répartition du temps de travail : 30% LNE, 40% INRAE, 30 % Univ Rouen
Localisation LNE : Trappes - Bassin de St Quentin-en-Yvelines (78)
Localisation laboratoires d'accueil : Palaiseau (91) et Mont-Saint-Aignan (76)

Mots clés : Empreintes chimiques, matériaux recyclés, sécurité sanitaire, matériaux au contact, gestion de données, traitement de données, machine learning

Les unités d'accueil

UMR SayFood

SayFood, sous tutelles INRAE, AgroParisTech et l'université Paris-Saclay, a été créée le 01/01/2020 par la fusion des UMR GENIAL et GMPA. Les travaux des chercheurs de l'UMR portent sur les processus physiques, biochimiques et microbiologiques qui gouvernent les transformations alimentaires et non alimentaires des bioproduits et développe des approches mécanistiques pluridisciplinaires et systémiques. SayFood rassemble environ 180 personnes comprenant des chercheurs et enseignants-chercheurs, des agents d'appui scientifique et administratif, une trentaine de doctorants, des postdoctorants, regroupées dans 5 équipes pluridisciplinaires, une halle technologique et un pôle d'appui administratif. C'est aussi un laboratoire labellisé de l'Institut Carnot Qualiment et associé en deuxième cercle à l'Institut Carnot 3BCar. Il est associé au LNE (Laboratoire National de Métrologie et d'essais) dans le cadre d'une Unité Mixte Technologique (UMT SafeMat) sur la sécurité des emballages.

Laboratoire Sciences et Méthodes Séparatives (SMS) Université de Rouen Normandie

Le laboratoire Sciences et Méthodes Séparatives UR3232 de l'Université de Rouen a été créé en 1997. Il opère à l'interface entre la chimie et la physique. Il est composé de deux équipes de recherche : une équipe en cristallogenèse et une équipe spécialisée en chromatographie. Les thématiques de recherche de l'équipe de chromatographie concernent principalement l'élaboration de phases stationnaires pour la chromatographie et la miniaturisation des systèmes chromatographiques ainsi que les analyses de mélanges complexes par chromatographie bidimensionnelle et par chromatographie ionique couplées à la spectrométrie de masse.

UMR Mathématiques et Informatique Appliquées (MIA)

L'UMR MIA Paris-Saclay, associée aux tutelles AgroParisTech, INRAE et Université Paris Saclay, regroupe des statisticiens et des informaticiens spécialisés dans la modélisation et l'apprentissage statistique et informatique pour la biologie, l'écologie, l'environnement, l'agronomie et l'agroalimentaire. Leurs compétences portent sur les méthodes d'inférences statistiques (modèles complexes, modèles à variables latentes, inférence bayésienne, apprentissage, sélection de modèle...), et algorithmiques (généralisation, transfert de domaine, représentation des connaissances).

Rejoignez un projet de recherche ambitieux au carrefour de la chimie analytique, de la machinelearning et de l'économie circulaire !

Contexte

Avec les réglementations croissantes sur l'utilisation des plastiques recyclés (loi AGEC, règlement européen PPWR), garantir leur traçabilité et leur authenticité devient un enjeu clé. Cette thèse propose de développer une méthode innovante basée sur l'analyse des substances contenus dans les plastiques recyclés par différentes techniques analytiques (GC-MS, microscopie RAMAN et FTIR) et des méthodes de traitement de données par chimiométrie, intégrant des nouvelles approches de l'apprentissage automatique (machine learning).

L'objectif est d'améliorer la traçabilité des matières recyclées, d'identifier des empreintes chimiques typiques pour évaluer la sécurité et de proposer une approche fiable pour détecter la fraude et les contaminations dans des applications sensibles (contact alimentaire, cosmétique, détergents).

Objectifs
- Développer une base de données nationale d'empreintes chimiques pour les plastiques recyclés à partir de techniques spectroscopiques et chromatographiques ;
- Développer des modèles à l'aide des outils de chimiométrie (analyses statistiques, ex. analyse en composantes principales) et de machine learning (ex. réseaux de neurones, algorithmes génétiques) pour analyser et classifier les matériaux recyclés ;
- Améliorer la robustesse des analyses inter-laboratoires en harmonisant les données issues de différentes méthodes et instruments ;
- Proposer un outil analytique applicable en milieu industriel et réglementaire.

Méthodologies
- Acquisition et traitement des signaux chimiques (GC-MS, Raman, FTIR) ;
- Développement de modèles de chimiométrie et/ou machine learning pour l'analyse des spectres et chromatogrammes ;
- Implémentation d'algorithmes de fusion de données et d'apprentissage supervisé/non supervisé ;
- Validation de la méthode sur des échantillons industriels.

Profil

Diplôme requis : Master 2 ou diplôme d'ingénieur en chimie analytique, data science, physico-chimie des matériaux

Compétences :
- Compétences analytiques : Expérience en spectroscopie/chromatographie (GC-MS, Raman, FTIR) ;
- Connaissances en traitement de données ;
- Compétences en programmation (ex. Python, R, MATLAB) ;
- Intérêt pour les applications environnementales et industrielle ;
- Communication scientifique : Excellentes compétences en rédaction scientifique en français et en anglais, capacité à publier des articles de recherche et à présenter des résultats dans des conférences internationales.

Le candidat doit être autonome, curieux, et avoir une forte capacité à travailler dans un environnement de recherche dynamique et multidisciplinaire. Une expérience préalable dans le domaine des matériaux recyclés ou des méthodes forensiques sera considérée comme un atout.

Des déplacements sont à prévoir pour ce poste dans le cadre de co-direction, de congrès et de réunions.