Thèse IA Agentique pour la Mobilité Intelligente Recommandation Personnalisée et Adaptative de Trajets Multimodaux et de Micromobilité en Environnements Dynamiques H/F Doctorat.Gouv.Fr

Établissement : Université de Bordeaux École doctorale : Mathématiques et Informatique Laboratoire de recherche : LaBRI - Laboratoire Bordelais de Recherche en Informatique Direction de la thèse : Mohamed MOSBAH ORCID 0000000160314237 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-09-30T23:59:59 La micromobilité (vélo, vélo partagé, trottinette électrique, etc.) prend une place croissante dans les déplacements urbains. Pourtant, proposer un trajet réellement adapté à chaque usager reste complexe : le chemin le plus court ou le plus rapide n'est pas toujours le plus pertinent. Selon les préférences de chacun et les conditions de déplacement, d'autres critères peuvent être importants, comme la sécurité, le confort, l'accessibilité ou la disponibilité des infrastructures.
Cette thèse vise à explorer le potentiel de l'IA agentique et des grands modèles de langage (LLM) pour développer une nouvelle génération de systèmes intelligents de recommandation de trajets en micromobilité. L'objectif est de concevoir une architecture multi-agents capable d'apprendre les préférences et les comportements des usagers, de prédire leur évolution et de proposer des itinéraires personnalisés qui s'adaptent en temps réel à leur environnement.
Le système s'appuiera notamment sur un agent dédié à la prédiction contextuelle des préférences et des comportements et sur un agent chargé de la recommandation multicritère des trajets. Les décisions pourront prendre en compte le temps de parcours, la sécurité et l'accessibilité, mais aussi des informations dynamiques telles que le trafic, la météo ou la disponibilité des véhicules et des infrastructures.
Un enjeu scientifique central sera d'étudier ce que l'approche agentique apporte réellement par rapport aux méthodes classiques de prédiction et de recommandation, notamment lorsque l'environnement évolue, que des événements imprévus surviennent ou que les données disponibles sont hétérogènes ou incomplètes.
Les approches proposées seront évaluées dans un environnement urbain réel, à l'échelle de la ville de Bordeaux, à partir de données de micromobilité et de données contextuelles. L'ambition est de contribuer à des systèmes de mobilité plus adaptatifs et personnalisés, capables de mieux prendre en compte à la fois les besoins des usagers et la dynamique de la ville. La thèse s'effectue dans le cadre de la Chaire Mobilité et Transports Intelligents (MTI), qui favorise les interactions entre recherche académique, acteurs de la mobilité, collectivités et partenaires socio-économiques. L'objectif de la thèse est de concevoir un système d'IA agentique multi-agents capable d'accompagner l'usager dans ses choix de mobilité en tenant compte à la fois de ses préférences et de l'évolution en temps réel de son environnement.
Les travaux viseront à prédire les comportements et besoins de mobilité, puis à proposer des trajets multimodaux personnalisés selon plusieurs critères : temps de parcours, sécurité, accessibilité, impact environnemental ou disponibilité des services et infrastructures.
Un objectif scientifique central sera de comprendre comment coordonner plusieurs agents spécialisés et d'évaluer l'apport réel de cette approche agentique pour prendre des décisions dans des environnements urbains dynamiques, incertains et alimentés par des données hétérogènes.
La démarche combinera modélisation, apprentissage automatique, IA agentique et systèmes multi-agents. Une première étape portera sur la représentation et l'apprentissage des préférences et comportements des usagers à partir de données de mobilité et de données contextuelles.

Une architecture multi-agents sera ensuite conçue, avec notamment un agent prédictif chargé d'anticiper les préférences et comportements en fonction du contexte, et un agent de recommandation chargé de construire des itinéraires personnalisés selon plusieurs critères : temps de trajet, sécurité, accessibilité, infrastructures disponibles, etc.

Le système intégrera des données dynamiques et hétérogènes telles que le trafic, la météo et la disponibilité des services de micromobilité. Les approches proposées seront comparées à des méthodes de référence afin de mesurer l'apport de l'architecture agentique, notamment face aux changements de contexte, aux données incomplètes et aux événements imprévus.

L'évaluation sera conduite à travers des simulations et des scénarios construits à partir de données réelles à l'échelle de la ville de Bordeaux.