Application de l’intelligence artificielle à l’exploitation des mesures de déflexion pour la caractérisation mécanique des structures de chaussées

Cette thèse présente un modèle et une méthodologie efficaces basés sur l’apprentissage automatique (ML) pour l’estimation du module d’élasticité des couches de chaussée (Ei). Cette approche novatrice utilise des mesures de pente de déflexion TSD (DS ) plutôt que la méthode classique de dé- flexion. Le modèle inverse développé dans le cadre de cette recherche repose sur des données issues de logiciels (Alizé-LCPC) re- connus par les praticiens et d’un simulateur expérimental externe, garantissant ainsi leur conformité aux conditions réelles. De plus, un processus de validation paramétrique avancé a été exécuté pour valider leur performance. Ce modèle surmonte non seulement les défis liés à l’estimation précise de Ei, mais mène également une analyse de sensibilité quantitative rigoureuse. Cette analyse examine systématiquement les impacts négatifs de quatre défis majeurs : la complexité des données TSD en haute dimension, l’influence du bruit de mesure, les variations de température, et les incertitudes de Ei des autres couches. Tout cela vise à souligner l’objectif principal : apporter des contributions précieuses au domaine de la mécanique des chaussées.