Résumé : Cette thèse propose de développer un cadre méthodologique pour l’intégration sécurisée de l'Intelligence Artificielle dans la supervision des systèmes cyber-physiques critiques. Contrairement aux approches classiques, l'objectif est d'associer aux modèles d’apprentissage des garanties formelles de performance compatibles avec les exigences de l'automatique. Les travaux portent sur la conception de modèles hybrides capables d'estimer leur propre domaine de validité opérationnel. Un superviseur en ligne sera développé pour valider ou rejeter en temps réel les décisions de l’IA, assurant ainsi une reconfiguration sûre face aux défaillances et cyberattaques.
Mots-clés : Automatique, Diagnostic & Pronostic, Intelligence Artificielle, Performance, Modélisation Hybride, Supervision, Systèmes Cyber-Physiques.
Abstract : This thesis develops a methodological framework for the integration of Artificial Intelligence (AI) components into the supervision, diagnosis, and control architectures of critical Cyber-Physical Systems. Moving beyond standard explainable AI, the research aims to provide learning models with formal performance guarantees regarding stability and robustness, aligned with control theory requirements. The project focuses on designing hybrid models (physics-based and data-driven) capable of estimating their operational validity domains. An online supervisor will be implemented to monitor "IA-in-the-Loop" components, validating or rejecting decisions in real-time to ensure safe reconfiguration during failures or cyberattacks.
Keywords : Automatic Control, Diagnosis & Prognosis, Artificial Intelligence, Performance, Hybrid Modeling, Supervision, Cyber-Physical Systems.
Profil et compétences recherchés :
Le ou la candidat(e) devra être titulaire d’un diplôme d’ingénieur ou d’un Master 2 (ou autre diplôme équivalent) en automatique, génie électrique, informatique industrielle, cybersécurité, data-science, intelligence artificielle ou systèmes cyber-physiques. Des compétences en modélisation, systèmes à événements discrets, Matlab et apprentissage automatique à base de données seront appréciées. Une grande rigueur scientifique, un goût pour le travail multidisciplinaire et une aptitude pour l'expérimentation sur des plateformes technologiques sont attendus.
Laboratoire d’accueil : Ampère (UMR CNRS 5005), INSA Lyon – Université Claude Bernard Lyon 1
École doctorale : EEA – Électronique, Électrotechnique, Automatique – Université de Lyon
Date de démarrage souhaitée : 01/11/2026
Encadrement : Dr. Mohammed-Farouk Bouaziz & Pr. Eric Zamaï
Financement : Chaire de l’Agence Nationale de la Recherche (Allocation CPJ)
Modalités de candidature : Date limite de candidature au 18 octobre 2026
Contacts : CV-LM et relevés de notes à mohammed-farouk.bouaziz@insa-lyon.fr & eric.zamai@insa-lyon.fr
Lieu : Laboratoire Ampère, équipe AIS, Campus Lyon Tech - La Doua. Villeurbanne
Gratification : Grille INSA Lyon (contrat doctoral de droit français)
