Thèse IA Générative Comme Méta-Heuristique Explicable pour l'Aide à la Décision Humaine dans les Systèmes Complexes H/F

Doctorat_Gouv

Établissement : Université de Picardie - Jules Verne
École doctorale : Sciences, Technologie, Santé
Laboratoire de recherche : EPROAD - Unité de recherche Eco-Procédés, Optimisation et aide à la décision
Direction de la thèse : Toufik SAADI
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-05-31T23:59:59

Les méthodes classiques de recherche opérationnelle (heuristiques, méta-heuristiques, MILP) sont performantes, mais opaques pour les décideurs, rigides face à des problèmes mal structurés et peu adaptées aux contextes circulaires, multi-objectifs ou évolutifs dynamiquement.
Par ailleurs, les IA génératives génèrent des solutions plausibles, expliquent des raisonnements, dialoguent avec l'humain, mais n'optimisent rien formellement.
La question que pose cette thèse est la suivante :
Peut-on utiliser l'IA générative non pas comme un solveur, mais comme une méta-heuristique explicable, guidant et améliorant les algorithmes d'optimisation et la décision humaine ?

Hybridation entre la recherche opérationnelle traditionnelle et IA générative