Offre de thèse : Vers un environnement numérique collaboratif pour l'analyse multimodale du comportement de structures (Marseille)

Logo MAP UMR 3495

La sauvegarde du patrimoine bâti, à travers les opérations de conservation-restauration, est aujourd'hui communément épaulée par l'analyse scientifique ; cela comprend l'aspect particulièrement critique de son évaluation structurelle. La stabilité et l'état des composants sont appréciés par les sciences des matériaux et du génie civil, dont les études sont épaulées par l'archéométrie ou l'histoire de l'art. L'aspect collaboratif de telles études et leurs références constantes à des éléments de relevés architecturaux est une évidence, qui s'illustre au sein du chantier scientifique de la cathédrale Notre-Dame de Paris et dont font partie les laboratoires partenaires du présent projet : les laboratoires MAP (GT Écosystème Numérique) et LMGC (GT Structure). Ils sont impliqués dans des projets propres à leurs disciplines comme l'écosystème nDame ou l'ANR DEMMEFI (dégradations structurelles dues au feu), ou interdisciplinaires comme le projet REPERAGE (MAP/LRMH/SRA). Le corpus d'étude du projet ASTRAGALE est les structures maçonnées de la cathédrale, et pourra s'ouvrir dans un second temps à sa charpente. Toutefois, les données produites par la variété des observations, représentations et interprétations sont extrêmement hétérogènes. À cela s'ajoute la complexité de l'existant, où l'unité de lieu et de temps disparaît entre les observations in situ des matériaux, le relevé d'un état structurel, les archives, les essais en laboratoire, les modèles numériques conçus pour l'étude du comportement mécanique. Il en résulte des processus méthodologiques linéaires disjoints plutôt que cycliques et connectés, en raison de verrous au niveau des interfaces entre relevés et modélisation ou analyse structurel et représentation. Le projet ASTRAGALE propose de connecter les informations spatialisées du relevé architectural au modèle structurel afin d'intégrer de manière cohérente les données d'étude. L'extraction des données issues des calculs et leur visualisation vise à confronter les altérations visibles aux faiblesses dues à des désordres internes ou des concentrations de charge rendues évidentes par le calcul structurel. Cette mise en relation ouvre à des applications d'apprentissage machine supervisé pour corréler les différents motifs d'altération. L'utilisation du modèle conceptuel de référence CIDOC CRM, du Web Annotation Data Model et l'attention portée à la démarche méthodologique garantissent un haut niveau d'interopérabilité et de reproductibilité.

Plus d’informations :
https://bit.ly/3lNYctK