La modélisation et la simulation de la dispersion atmosphérique sont indispensables pour s’assurer de l’inocuité des rejets émis dans l’air par le fonctionnement autorisé des installations industrielles et pour estimer les conséquences sanitaires d’accidents qui pourraient affecter ces installations. Depuis une vingtaine d’années, les modèles physiques de la dispersion ont connu des améliorations très notables afin de prendre en compte les détails de la topographie et de l’occupation des sols qui font la complexité des environnements industriels réels. Bien que les modèles 3D aient vu leur utilisation s’accroître, ils présentent des temps de calcul très conséquents, ce qui obère leur emploi dans les études multi-paramétriques et l’évaluation des incertitudes qui nécessitent de très nombreux calculs. Il serait dons souhaitable d’obtenir les résultats très précis des modèles actuels ou des résultats approchants dans des délais bien plus brefs. Récemment, nous avons développé une stratégie consistant à réduire la dimension de cartes de répartition d’un polluant atmosphérique obtenues au moyen d’un modèle physique 3D de référence pour différentes conditions météorologiques, puis à faire apprendre ces cartes par un modèle d’intelligence artificielle (IA) qui est ensuite utilisé pour prévoir des cartes dans d’autres situations de météorologie. Le projet post-doctoral s’attachera à compléter les travaux de recherche entamés en évaluant les performances de méthodes de réduction de dimension et de substitution de modèle déjà explorées et en étudiant d’autres méthodes. Les applications concerneront, en particulier, la simulation des concentrations autour d’un site de production industrielle qui émet des rejets gazeux à l’atmosphère. Les développements viseront à obtenir un outil opérationnel de méta-modélisation.