Contexte
L’axe du pôle IA de l’UBE sur les transitions intelligentes cherche à fédérer les recherches de pointe
dans les domaines de l’écologie, de la science des matériaux ou de l’aménagement du territoire pour
modéliser, comprendre et prédire la transformation des milieux urbains, industriels ou ruraux et la
déclinaison régionale des changements globaux, ceci pour mieux adresser les adaptations futures du
territoire. En développant des recherches intégrées, proposant des solutions fondées sur l’IA, cet axe
participera par exemple à la mutation des environnements urbains vers des villes intelligentes,
durables et décarbonées, mutation nécessaire pour amorcer la transition énergétique et l’adaptation
au changement climatique.
Ces recherches innovantes croiseront des recherches sur le climat, l’écologie, les sciences de
l’évolution, les nanosciences, les matériaux intelligents, l’architecture et la construction, la robotique
et l’électronique ou encore le traitement du signal et des images en temps réel avec l’économie, les
politiques publiques, l’aménagement urbain et l’éco-conception. En se fondant sur le potentiel de l’IA
pour intégrer, interopérer et augmenter des données complexes, hétérogènes, ainsi qu’asseoir des
raisonnements sur ces données, elles permettront une réflexion sur les impacts environnementaux
des matériaux et des formes dans l’espace urbain, plus généralement sur nos sociétés et les
populations animales et végétales, ainsi que l’accompagnement des acteurs socio-économiques pour
la mise en œuvre des transitions technologiques comme l’Industrie 4.0 ou les nanotechnologies.
Défi 1. Des données intégrées pour une compréhension globale de la transition
L’expertise interdisciplinaire présente au sein de l’UBE, dans les domaines variés des sciences de
l’environnement (écologie, climat, …), des sciences humaines et sociales ainsi que des sciences des
données, permet à l’UBE, et grâce à l’IA, de relever le défi complexe de synthétiser et mettre en
relation/interaction des données diverses et hétérogènes, permettant une compréhension holistique
de la transition et de la transformation des milieux, et de la régionalisation des changements globaux.
Défi 2. Modélisation prédictive pour la gestion des environnements et l’adaptation aux
changements climatiques
Ce défi a pour finalité le développement d’outils fondés sur l’IA pour modéliser les impacts des
modifications et aménagements de l’espace (réseau de transports, densifications, artificialisation,
trame verte et bleue) sur le climat local, la connectivité des paysages, le cycle de vie des organismes.
Pour cela, l’IA permet de prédire les adaptations des populations et des sociétés aux déclinaisons
régionales des changements globaux.
Ce défi s’intéresse à la manière avec laquelle l’IA permet de modéliser le développement de la
bioéconomie structurant les flux de biomasse à l’échelle d’un territoire et fait émerger de nouvelles
relations entre les différents acteurs, afin d’identifier des équilibres gagnant-gagnant.
Défi 3. Des aménagements intelligents (BIM) pour la gestion de villes intelligentes (Smart Cities)
L’objectif est de contribuer à la transformation des espaces urbains en intégrant des technologies et
des matériaux intelligents pour faire évoluer les infrastructures et des bâtiments tout au long de leur
cycle de vie. Il s’agit d’exploiter les outils d’intelligence artificielle pour développer et gérer des villes
intelligentes, optimisant ainsi l’efficacité énergétique et réduisant l’empreinte environnementale.
Les objets d’étude se concentrent à la fois sur l’interopérabilité sémantique entre le BIM (Building
Information Modeling), le CIM (City Information Modeling) et les SIG (Systèmes d’Information
Géographique), sur des domaines applicatifs tels la gestion des PLU (Plans Locaux d’Urbanisme) ou la
vérification de maquettes numériques par rapport à des règles d’aménagement, des référentiels de
construction et des réglementations.
Défi 4. Industrie 4.0
L’industrie 4.0 constitue une révolution majeure dans le secteur industriel, caractérisée par
l’intégration des technologies numériques et de la robotique. L’intelligence artificielle y occupe une
place centrale, en permettant d’optimiser les systèmes de production grâce à l’automatisation des
processus, à la détection proactive des anomalies via la maintenance prédictive et l’ajustement en
temps réel des flux de production.
Dans ce contexte, la robotique et la vision par ordinateur jouent un rôle essentiel, avec un focus
particulier sur le développement d’IA avancées pour les robots collaboratifs capables de percevoir leur
environnement et travailler en harmonie avec les opérateurs humains, ainsi que pour les robots
autonomes évoluant dans des environnements dynamiques et complexes. Ce défi s’appuie sur des
intelligences artificielles distribuées et embarquées, renforcées par la spécification de connaissances
pour les robots, la conception de capteurs innovants et l’utilisation de jumeaux numériques, offrant
une vision précise et interactive des systèmes physiques.
