caor@mines-paristech.fr

Arthur Gaudron a le plaisir de vous inviter à sa soutenance de thèse le mercredi 1 juillet à 14h00 (sous réserve d’acceptation des rapporteurs).

La soutenance aura lieu à MINES ParisTech (60 boulevard Saint-Michel, 75006) dans l’amphithéâtre L109, mais elle pourra aussi être suivie par visioconférence. Au regard de la situation sanitaire, il est difficile d’accueillir du public, ainsi nous vous prions de privilégier la visioconférence.

Pour recevoir directement le lien vers la visioconférence, nous vous invitons à ajouter votre adresse e-mail à la liste de diffusion de la Chaire Logistique Urbaine (vous pouvez vous désabonner à tout moment). De plus, vous serez informés des événements futurs de la Chaire.

La conférence sera accessible via zoom : https://mines-paristech.zoom.us/j/97653027814?pwd=Y2xmM1phbjJQSXRYZFVhVWVDVkg3Zz09

ID de réunion : 976 5302 7814

Mot de passe : 653938

La thèse, qui sera défendue en français, s’intitule « Méthodologie du modèle ouvert pour la conception d’un système d’aide la décision stratégique : le cas de la logistique urbaine ».

Le jury sera composé de :

  • — M. Jésus Gonzalez-Feliu — Professeur, Excelia Group La Rochelle Business School (Rapporteur)
  • — M. Olivier Péton — Professeur, IMT Atlantique (Rapporteur)
  • — M. Éric Ballot — Professeur, MINES ParisTech (Examinateur)
  • — Mme Laetitia Dablanc — Directrice de recherche, Université Gustave Eiffel (Examinatrice)
  • — Mme Milena Janjevic — Chargée de recherche, Massachusetts Institute of Technology (Examinatrice)
  • — Mme Hélène Wiedemann — Ingénieur, Renault (Examinatrice)
  • — M. Arnaud de La Fortelle — Professeur, MINES ParisTech (Directeur de thèse)

Résumé :
Le transport de marchandises, ou logistique urbaine, est un système complexe tant par la diversité de ses parties prenantes (ville, transporteurs, commerçants, etc.) que par l’intrication de leurs interactions. Chacun de ces acteurs a des objectifs qui lui sont propres mais dont les effets des décisions pour y parvenir se répercutent à un niveau global. Piloter cette activité représente donc un réel défi : non seulement modéliser précisément le système – passé ou présent – pose de réelles difficultés (en termes de complexité et des données nécessaires), mais cette modélisation ne permet que difficilement d’augurer des effets des décisions prises sur celui-ci. Son pilotage demande la capacité de projeter et se représenter les effets de décisions, non-encore observées, sur celui-ci. Pour que les décisions de la logistique urbaine soient pertinentes, elles doivent s’appuyer sur des modèles qui devront intégrer une vision plus fine de l’activité, au niveau microscopique, c’est-à-dire des opérations, vers un niveau macroscopique qui primait jusque-là. Pour cela, nous proposons donc de nous appuyer sur des outils de simulation mathématique qui ont pour objectif de simuler les effets macroscopiques de différentes décisions (p. ex. interdiction de certaines motorisations), en prenant en compte les interactions microscopiques de la logistique comme la prévisible modification d’une organisation logistique et l’impact sur les indicateurs associés (p. ex. le niveau de pollution d’une rue ou le coût de la livraison).

C’est pourquoi nous proposons la « méthodologie du modèle ouvert » dont l’objectif est de concevoir et valider un modèle qui pourra être utilisé par les acteurs de la logistique urbaine lors de leur prise de décision stratégique. Au cœur de cette méthodologie se tient la question de l’intégration du savoir expert dans un modèle de simulation. Une telle question agite la communauté scientifique au moins depuis la création de l’IA comme discipline : d’abord avec les systèmes experts, dont l’échec est lié à l’impossibilité de mécaniser le savoir expert ; à présent avec les avancées extrêmement prometteuses de l’apprentissage automatique, qui entre autres tentent d’apprendre par des données les raisonnements des experts, mais dont les modèles se heurtent à des problèmes de disponibilité de la donnée, de validation et d’explicabilité. Nous pensons que cette méthodologie permet de réconcilier la science des données et les sciences de gestion de manière à ce que dans des environnements complexes, la décision puisse être assistée par des simulations qui permettent de plus précisément maîtriser cette complexité. De plus, en supposant une certaine disponibilité de la donnée, et la volonté de la mise en place d’un pilotage data-driven (donc plus automatisé), ce modèle pourrait servir comme une première base de validation de modèles plus complexes d’apprentissage automatique.

Comments are closed.