Des méthodes de simulation sont développées depuis de nombreuses années pour prédire le comportement des structures de grandes dimensions en béton armé et précontraint. Même si elles sont maintenant capables d’intégrer des phénomènes de complexité diverse, des questions demeurent, notamment sur la maîtrise des incertitudes de modélisation et leur impact sur les grandeurs d’intérêt.

Ces incertitudes ont des origines diverses et peuvent être liées par exemple à la formulation théorique des modèles, à la complexité géométrique des structures ou aux propriétés hétérogènes des matériaux. Dans ce dernier cas, la connaissance des caractéristiques est forcément incertaine, particulièrement à l’échelle structurelle. Mais dans le cas où des mesures expérimentales sur certaines quantités d’intérêt seraient disponibles, il deviendrait possible d’améliorer l’estimation de ces incertitudes, en mettant en œuvre des méthodologies d’actualisation des données.

C’est dans ce cadre qu’est proposé le sujet de thèse. Il s’agira d’exploiter la richesse expérimentale de programmes récents pour alimenter le développement d’une méthodologie de maitrise des incertitudes. Cette méthodologie pourra s’appuyer sur une analyse inverse de nature bayésienne dont le principe est d’affiner dynamiquement l’estimation des fonctions de densité de probabilité (« PDF ») associées aux paramètres d’entrées incertains en s’appuyant sur une comparaison continue dans le temps entre les sorties simulées et les observables expérimentaux.

La thèse sera co-dirigée entre le CEA (co-directeur de thèse L. Jason) et l'IRSN (Institut de Radioprotection et de Sûreté Nucléaire - co-directeur de thèse B. Richard).