Géologie - Sédimentologie

Au cours de la dernière décennie, l’apprentissage profond (deep learning) appliqué à l’analyse d’images a connu un réel essor et une extension dans de nombreux domaines. Cependant, son potentiel reste encore sous-exploité en géologie, bien que cette discipline implique beaucoup d’interprétation visuelle. Pour contribuer à la transformation numérique des industries liées au sous-sol, les chercheurs IFPEN ont mis en œuvre l'apprentissage profond dans trois « contextes métier », impliquant chacun un type différent d’images géologiques.

L’imagerie sismique reste encore un outil important dans la caractérisation des réservoirs géologiques. Dans le cas des réservoirs carbonatés, l’origine biologique des sédiments, ainsi que leur transformation au cours du temps lors de la diagenèse , apporte de nombreuses hétérogénéités de structure.

Les réservoirs carbonatés présentent de fortes hétérogénéités (de types et d’échelles) liées à l’origine biologique des sédimentsc, mais également aux transformations diagénétiques intervenues dès

THÈSE D’ALEXANDRE LETTÉRON

THÈSE DE XAVIER MANGENOT