Offre de stage de M2 : Comprendre et optimiser la méthanisation grâce à un modèle hybride mécanistique–apprentissage automatique

Stage

• Lieu : Narbonne, France, Laboratoire de Biotechnologie de l’Environnement (https://www6.montpellier.inrae.fr/narbonne/) 
• Durée : 6 mois
• Début : février 2026
• Date limite de candidature : 20 décembre 2025

Contexte scientifique

La méthanisation est une biotechnologie clé pour la transition écologique, valorisant les bioressources résiduaires en biogaz renouvelable. Pour atteindre les objectifs européens de production de biométhane, il est crucial d'optimiser les installations existantes, en développant des modèles hybrides intégrant des technologies 4.0.
Le modèle mécaniste de référence de la méthanisation, ADM1, présente des limites dans l'anticipation des dysfonctionnements et la gestion des conditions inhibitrices. L'intégration de données méta-omiques et l'utilisation de l'intelligence artificielle/apprentissage automatique pourraient améliorer ce modèle en combinant des connaissances mécanistes avec des techniques d'apprentissage machine. Le projet GREMLHINS, propose de créer un groupe de travail interdisciplinaire pour mener une réflexion sur les modèles hybrides intégrant des données métagénomiques, pour la méthanisation, et de développer un modèle pilote en utilisant des échantillons biologiques déjà disponibles.

Objectifs

Dans le cadre de ce projet, l’objectif général du stage est de développer un modèle hybride intégrant ADM1, des approches d’apprentissage automatique, des contraintes thermodynamiques et des données 16S.
Plus précisément, le/la stagiaire contribuera à :

• Améliorer la prédiction des rendements de croissance microbienne en combinant des méthodes d’apprentissage automatique avec des contraintes thermodynamiques à partir d’une base de données déjà disponible au laboratoire.
• Ajuster les paramètres du modèle automatiquement, grâce à des méthodes d’apprentissage supervisé ou d’optimisation, de manière à tenir compte des phases de fonctionnement normal et des périodes de dysfonctionnement des digesteurs.
• Intégrer des données microbiologiques 16S en testant plusieurs stratégies (par exemple, intégration directe de groupes fonctionnels, variables latentes issues d’analyses multivariées, ou liens empiriques avec les paramètres du modèle).
• Comparer différentes versions du modèle hybride, afin d’identifier celles qui améliorent le mieux les prédictions (composition, productions de gaz, stabilité du processus).

L’objectif final est de proposer un prototype de modèle hybride, simple mais opérationnel, qui servira de base au futur modèle pilote du projet.

Environnement de travail

Le stage se déroulera au Laboratoire de Biotechnologie de l'Environnement (LBE) qui est une unité propre de recherche du centre Occitanie-Montpellier de l’Institut National de Recherche pour l’Agriculture, l’alimentation et l’Environnement (INRAE), située à Narbonne.
Les recherches menées au LBE visent à développer le concept de bioraffinerie environnementale qui consiste à valoriser les résidus, déchets, effluents organiques ainsi que certaines biomasses en produits d'intérêt industriel (bioénergies, biomolécules, amendement et fertilisant organique) tout en minimisant leur impact environnemental et sanitaire. L’ensemble de ses recherches couvre un très large spectre de compétences disciplinaires : microbiologie, écologie microbienne, génie biologique, génie des procédés, modélisation, automatique et transfert industriel.
L’INRAE est un établissement public de recherche rassemblant une communauté de travail de 12 000 personnes, avec 268 unités de recherche, de service et expérimentales, implantées dans 18 centres sur toute la France. 

Profil recherché

• Formation académique : étudiant(e) de niveau M2 en mathématiques appliquées, modélisation, génie des procédés, génie biologique ou data science.
• Compétences : programmation (Python, R ou Matlab), modélisation des systèmes dynamiques, analyses de données, apprentissage automatique.
• Qualités : curiosité scientifique, motivation, rigueur et esprit d’initiative avec un gout pour l’interdisciplinarité.