01.10.2026
15 minutes de lecture
Alors que les défis énergétiques s’intensifient, la modélisation numérique et l’intelligence artificielle deviennent des leviers incontournables pour comprendre des phénomènes complexes et concevoir de nouveaux systèmes. Ce numéro spécial rassemble six brèves scientifiques faisant appel aux compétences des chercheurs de la Direction « Sciences et Technologies du Numérique » qui développent, à différentes échelles et selon des approches complémentaires, les outils et méthodes innovantes pour répondre aux enjeux stratégiques et environnementaux de demain.
Le dossier s’ouvre par les modèles numériques dédiés à la qualité de l’air, qui scrutent les phénomènes du micro‑urbain au territoire pour identifier les facteurs d’impact et guider des décisions locales et stratégiques. La question du stockage géologique du CO2 est ensuite mise en lumière : simulations, enjeux de sûreté et perspectives techniques éclairent les conditions d’un déploiement fiable et responsable. Le contrôle éolien à IFPEN illustre l’alliance entre maîtrise physique et apprentissage automatique, avec un focus sur l’apprentissage par renforcement qui promet d’optimiser la production et la durabilité des parcs. Plus largement, l’intelligence artificielle s’invite dans les modèles de fermeture pour la mécanique des fluides numérique multi‑échelle, apportant des solutions pour réduire les approximations et améliorer la précision des prédictions. L’électromobilité est abordée sous l’angle de la méthodologie de conception optimale des infrastructures de recharge, croisant optimisation, usage et contraintes territoriales. Enfin, les méthodes d’IA génératives pour la conception de microstructures catalytiques démontrent comment l’algorithme accélère la découverte de matériaux performants.
Ces brèves témoignent d’un même fil conducteur : l’intégration de modèles physiques, de données et d’algorithmes pour répondre à des défis sociétaux complexes. Elles illustrent comment les chercheurs d’IFPEN, en lien avec les industriels et décideurs, mettent les sciences et technologies du numérique au service de la transition énergétique et écologique, en déployant des solutions innovantes.
Très bonne lecture,
Les adjoints scientifiques de la Direction Sciences et Technologies du Numérique : Mongi Ben Gaid, Giovanni De Nunzio, Thibault Faney, Jean-Marc Gratien, Stéphane Jay, Jean-François Lecomte, Jordan Rudloff, Antonio Sciarretta, Delphine Sinoquet, Quang Huy Tran
La qualité de l’air au coin de la rue : l’apport des modèles numériques
La pollution atmosphérique demeure un enjeu majeur de santé publique, notamment dans les grandes agglomérations, malgré le renouvellement progressif du parc automobile et l’essor des mobilités actives, grâce à des aménagements urbains dédiés. De nouvelles valeurs limites européennes de concentration de polluants dans l’air, davantage alignées sur les recommandations de l’OMS , seront applicables en 2030. Les collectivités ont donc besoin d’outils capables d’évaluer les niveaux et les sources de pollution en vue d’étayer des scénarios de réduction.
Stockage géologique du CO₂ : Geoxim se compare avantageusement à d’autres simulateurs numériques
L’étude dite « benchmark SPE11 » avait pour objectif était de comparer les performances des simulateurs numériques dédiés au stockage géologique du CO₂. Sur la base de cas-tests, avec des données d'entrée et des critères d'évaluation communs, cette action a permis d'analyser la capacité des codes de calcul à reproduire les principaux processus physiques intervenant lors de l'injection et de la migration du CO₂ dans les réservoirs géologiques.
Optimiser la production des champs d’éoliennes par la modélisation des effets de sillage
Pour maximiser la production d’énergie éolienne et rationnaliser l’exploitation, les opérateurs conçoivent des parcs éoliens qui regroupent un nombre de plus en plus important de turbines. Or, dans certaines conditions de vent, il arrive fréquemment que les éoliennes interagissent par ce qu’on appelle l’effet de sillage. Le sillage est créé derrière le rotor lorsque celui-ci intercepte l’énergie cinétique du vent pour la convertir en électricité. Du fait de la conservation de l’énergie, une zone de déficit de vitesse du vent apparaît alors, assortie d’une turbulence plus élevée.
Intelligence artificielle en mécanique des fluides numérique multi-échelle
L’un des principaux défis en mécanique des fluides numérique est de représenter correctement les phénomènes physiques à différentes échelles de temps et d’espace. De plus, la résolution numérique exacte à chaque échelle est très coûteuse en temps de calcul. L’obtention de solutions fiables passe alors par des simulations effectuées à une échelle grossière mais utilisant des modèles capables de décrire les effets de la physique à très fine échelle.
Vers une planification plus robuste des infrastructures de recharge pour véhicules électriques
L'essor des véhicules électriques impose un déploiement rapide et efficace des infrastructures de recharge (IRVE) car les usagers de la route hésitent à « franchir le pas » tant que ce réseau est jugé insuffisant. Dans le même temps, les opérateurs peinent à investir sans garantie sur le retour financier. Or, l'adoption massive de la mobilité électrique, tout autant que l’adéquation offre/demande, impose de bien positionner les stations, notamment sur les grands axes autoroutiers.
Des supports de catalyseurs conçus grâce à l'IA générative
Les performances d'un support de catalyseur – alumine ou zéolithe – se jouent à l'échelle de sa microstructure poreuse : porosité, surface spécifique et connectivité du réseau solide qui gouvernent l'accès des réactifs aux sites actifs. Concevoir un support optimal revient donc à résoudre un problème inverse, c’est-à-dire à identifier la microstructure, puis les paramètres de fabrication, qui satisfont un cahier des charges de propriétés.