En résumé

Mickaele Le Ravalec a étudié à l'EOST, à Strasbourg, avant d'obtenir un doctorat en physique des roches de l’Université de Rennes (1995) et une HDR de l’Université Louis Pasteur de Strasbourg (2002).

Après un post-doc à l’Université de Stanford (USA) en physique des roches, elle rejoint IFPEN comme ingénieur de recherche en 1997. La géomodélisation, qui implique entre autres la géostatistique, les problèmes inverses, l’intégration conjointe de données de natures et de résolution diverses ou encore la prise en compte d’incertitudes, est au cœur de ses activités de recherche. La combinaison de ces différents domaines amène à l’élaboration de modèles numériques représentatifs des formations géologiques. Ces géomodèles sont ensuite utilisés en ingénierie pétrolière comme en hydrologie pour étudier les écoulements des fluides dans le sous-sol.

Mickaele a été responsable de différents projets depuis 2005, puis expert IFPEN à partir de 2010 avant de devenir chef du département Géologie en 2014, puis du département Géoressources en 2016. Elle a également été détachée en opérationnel chez Total en 2007-2008.

Elle est membre de la CNE2 (Commission Nationale d’Evaluation des recherches et études relatives à la gestion des matières et des déchets radioactifs) depuis 2016 et en a été nommée Vice-présidente en 2020. La CNE2 évalue l’avancement des recherche et études relatives à la gestion des déchets radioactifs en France. Cette évaluation donne lieu à un rapport annuel, destiné au Parlement français, et transmis à l'Office Parlementaire d'Evaluation des Choix Scientifiques et Technologiques.

Mickaële est également membre, depuis 2017, du Conseil de l’Observatoire de Lyon qui comprend les laboratoires CNRS d’Astrophysique et de Géologie, sous la supervision de l’ENS Lyon. Depuis 2018, elle est aussi membre du Comité de Perfectionnement de l’Observatoire de Lyon. Mickaele a été Professeur invitée à l’INRS Québec de 2012 à 2015. Par ailleurs, elle a été membre du comité des EAGE Awards de 2011 à 2014 et en a été nommée Vice Chair en 2013 et 2014.

En 2020, elle fait partie du comité HCERES visant à évaluer l’INERIS.

Mickaële a encadré 7 doctorants et dispensé des cours dans plusieurs écoles, notamment l’EOST depuis 2001, Centrale Paris, l’ENS Paris, les Mines de Nancy, IFP School, IFP Training, les EAGE Education Days. Elle a, par ailleurs, contribué à l’organisation de nombreuses conférences, soit comme membre du comité d’organisation, soit comme membre du comité scientifique. Elle est notamment membre du comité ECMOR, qui relève de l’EAGE.

Elle est l’auteur de 27 brevets et 114 articles dont 48 dans des revues avec comité de lecture, 6 chapitres de livres et 60 dans des actes de conférences. Elle est également l’auteur d’un livre, d’un e-book et a co-édité un ouvrage. Depuis 2020, elle fait partie du Comité éditorial des CR Géosciences, publiés par l’Académie des Sciences.

Mickaele Le Ravalec a reçu le prix Schlumberger de l’Académie des Sciences en 2011. Elle a été faite chevalier de la Légion d’Honneur en 2014.

Sujets de recherches
Géomodélisation
Géostatistique
Problèmes inverses
Incertitudes
Projets

Le sous-sol, qui représente les premiers kilomètres de la croûte terrestre, est exploité depuis quelques milliers d’années par l’homme pour ses ressources. On y trouve du pétrole, des gaz, des minerais, de l’eau, de la chaleur, des métaux rares. Si le sous-sol fournit des matières premières, il est aussi une zone de stockage. On l’utilise pour stocker le gaz que nous consommons tout au long de l’année, le CO2 pour en limiter le rejet dans l’atmosphère, l’énergie sous forme de chaleur, d’air comprimé ou d’hydrogène pour la récupérer plus tard, les déchets nucléaires pour garantir la pérennité de leur confinement. Ces différentes applications obligent également à considérer les risques de pollution du sous-sol et à se donner les moyens d’y remédier.

De nombreux processus physico-chimiques contrôlent l'évolution des formations géologiques souterraines au cours des temps géologiques : dépôt sédimentaire, érosion, diagenèse, enfouissement, tectonique. De fait, les roches du sous-sol sont des milieux très hétérogènes : leurs propriétés physico-chimiques varient spatialement, et ce, à toutes les échelles. 

Les travaux de recherche que nous avons menés contribuent à améliorer notre connaissance des propriétés des roches du sous-sol, en particulier les propriétés liées 1) aux écoulements de fluides et 2) à la propagation des ondes élastiques. Dans le premier cas, on étudie la porosité et la perméabilité. La porosité représente la fraction de volume que représente les espaces dans la matrice solide tandis que la perméabilité quantifie la facilité avec laquelle un fluide s’écoule dans la roche. Dans le deuxième cas, les propriétés d’intérêt sont les vitesses de propagation des ondes de compression et de cisaillement (P et S) dans une roche. Les applications auxquelles nous nous sommes intéressés relèvent principalement de l’industrie pétrolière. Pour autant, les méthodologies développées dans ce contexte spécifique étant généralisables, leur potentiel pour d’autres applications a pu être apprécié.

Une composante essentielle des travaux réalisés a été l’élaboration de méthodologies numériques permettant d’imager les variations spatiales des propriétés des roches du sous-sol à partir de données directes et surtout indirectes. Supposons que l’on cherche à déterminer la perméabilité en tout point d’une formation géologique à 5 km de profondeur. Une donnée directe serait dans ce cas une mesure de perméabilité en un point. La seule source de données directes est le forage. Les puits forés donnent accès à une information précieuse via des échantillons de roche prélevés en profondeur et sur lesquels on peut faire des mesures. Or, les forages étant coûteux, ils restent peu nombreux. Pour caractériser les propriétés entre les forages, on passe par des mesures indirectes. On ne peut pas mesurer directement la perméabilité entre 2 forages. Par contre, on peut injecter des traceurs dans un des forages et les produire au niveau du deuxième. Le temps mis par les traceurs pour passer d’un forage à l’autre dépend de la perméabilité des roches traversées. Il devient alors judicieux de combiner données directes et indirectes pour imager les propriétés du sous-sol. Il existe bien sûr plusieurs types de données indirectes comme les pressions, les débits, les temps de percée mesurés dans les forages ou encore les impédances déduites de la sismique acquise sur de larges zones en surface. Quelles que soient les données indirectes considérées, l’intégration conjointe des données directes et indirectes peut se faire de façon analogue suivant un schéma en 3 étapes :

  1. on construit une image initiale des propriétés du sous-sol qui respecte les données directes, en général à partir de méthodes géostatistiques (Le Ravalec et al., 2000 ; Doligez et al., 2015 ; Gardet et al., 2016 ; Blouin et al., 2017 ; de Figueiredo et al., 2019) ;
  2. on simule la réponse indirecte d’intérêt pour l’image des propriétés considérées. Dans le cas des propriétés d’écoulement, il convient de résoudre les équations de pression, de saturation et de conservation de la masse ;
  3. on mesure l’écart entre la réponse simulée et les données indirectes disponibles. Si cet écart n’est pas satisfaisant, on modifie de façon adéquate l’image des propriétés du sous-sol et on revient à l’étape 2. Ce processus est répété autant que nécessaire (Le Ravalec et al., 2001 ; Hu et al. 2001 ; Le Ravalec-Dupin et Noetinger, 2002 ; Kretz et al., 2004 ; Le Ravalec-Dupin, 2010 ; Le Ravalec-Dupin et Da Veiga, 2011 ; Le Ravalec et al., 2012 ; Heidari et al., 2013 ; Gardet et al., 2014 ; Thenon et al., 2016 ; Gervais et Le Ravalec, 2018).

Il s’agit d’une technique de résolution itérative d’un problème inverse. Si l’étape 2 renvoie à la simulation des écoulements, le problème à résoudre est non linéaire. Si elle se rapporte à la propagation des ondes sismique, le problème est linéaire et est d’autant plus facile à résoudre. Depuis le début des années 2000, l’industrie pétrolière recourt à la sismique 4D qui permet d’imager les mouvements des fluides dans les réservoirs au cours de leur production. Dans ce cas, l’étape 2 rend compte à la fois des écoulements des fluides et de la propagation des ondes. In fine, la résolution du problème inverse conduit à l’identification d’une ou plusieurs images des propriétés recherchées respectant l’ensemble des données disponibles, directes et indirectes. Ces images permettent ensuite de prédire le comportement des fluides dans les formations géologiques souterraines.

Des méthodes adaptées ont dû être développées pour répondre à la problématique bien spécifique de la représentation des propriétés de formations géologiques, notamment pour prendre en compte leur hétérogénéité, leur nature continue ou discrète, leur discrétisation sur des grilles très fines, ou encore pour intégrer des données très variées et caractéristiques d’échelles spatiales différentes. Du fait des incertitudes en jeu et des temps de calcul requis, les méthodes considérées relèvent de l’optimisation et des statistiques, ou plus globalement du « machine learning ». Ces différents travaux ont été financés par des contrats de recherche avec BHP Billiton, CGGVeritas, Conoco Phillips, GDF Suez, Groupement Berkine, Petrobras, Statoil et Total.

Pour finir, quelques mots sur des travaux concernant la simulation géostatistique multipoint qui présente l’avantage de générer des structures plus réalistes, et donc plus satisfaisantes en termes géologiques. Le principe de base est d’apprendre les statistiques sur une image d’entraînement, puis de générer des images reproduisant les mêmes statistiques. Il s’agit ici encore de techniques relevant du « machine learning » (Gardet et Le Ravalec, 2014 ; Doligez et al., 20015 ; Gardet et al., 2016). Prenons comme exemple la cartographie d’un réseau de fractures observé en surface d’une formation calcaire en Turquie. Cette cartographie sert de base pour définir des statistiques multipoints. Il devient ensuite possible de générer de nouveaux réseaux de fractures affichant les mêmes caractéristiques : les fractures simulées ont des orientations, des longueurs et des terminaisons analogues à celles observées sur le terrain. Le potentiel des méthodes de simulation multipoints est évident dans le cadre des sciences de la terre puisque ces méthodes permettent de générer des formes comparables à des objets géologiques. D’autres domaines d’application sont également envisageables. Le même algorithme de simulation multipoint a été utilisé pour apprendre les statistiques sur un tableau de Pollock. Cette étape réalisée, on fabrique du Pollock au kilomètre carré !

Publications

L. de Figueiredo, D. Grana, M. Le Ravalec, Revisited formulation and applications of FFT Moving Average, Mathematical Geosciences, 2019, DOI: 10.1007/s11004-019-09826-4.

C. Gardet, M. Le Ravalec, E. Gloaguen, Pattern-based conditional simulation with a raster path: a few techniques to make it more efficient, Stoch. Environ. Res. Risk Assess., 2016, DOI: 10.1007/s00477-015-1207-1.

M. Le Ravalec, B. Noetinger, and L.-Y. Hu, The FFT moving average (FFT-MA) generator: an efficient numerical method for generating and conditioning Gaussian simulations, Mathematical Geology, 32(6), 701-723, 2000.