Description

Les infrastructures critiques nucléaires sont des systèmes complexes dont la conception mobilise de nombreuses disciplines d’ingénierie et doit satisfaire des exigences strictes en matière de réglementation, de sûreté, de coût, de planning, de maintenabilité et de performance opérationnelle. Les décisions prises lors des premières phases de Systems Architecting (SA), couvrant la conception préliminaire et les études de faisabilité, influencent fortement l’ensemble du cycle de vie du système. Pourtant, ces activités reposent encore largement sur l’expertise des ingénieurs, des pratiques peu formalisées et des échanges entre de multiples parties prenantes. Il en résulte une difficulté à explorer de manière systématique les alternatives d’architecture, à comparer les solutions envisageables, à justifier les choix de conception et à assurer une traçabilité claire des décisions.
Les progrès récents de l’intelligence artificielle, notamment de l’IA hybride, des grands modèles de langage (LLM) et des systèmes multi-agents, ouvrent de nouvelles perspectives pour assister les ingénieurs durant ces phases amont de conception. Toutefois, l’intégration de ces technologies dans les processus de Systems Architecting demeure un défi scientifique et méthodologique majeur. Dans des domaines critiques comme le nucléaire, les solutions fondées sur l’IA doivent être explicables, auditables, fiables et placées sous le contrôle de l’expert humain. L’objectif n’est donc pas de remplacer les architectes système, mais de leur fournir des assistants intelligents capables d’élargir l’espace d’exploration, de structurer des connaissances d’ingénierie hétérogènes, de générer et d’évaluer des alternatives d’architecture, et de soutenir une prise de décision mieux éclairée.
L’objectif de cette thèse est de développer un cadre méthodologique combinant l’Ingénierie Système Basée sur les Modèles (MBSE), l’intelligence artificielle hybride et des systèmes multi-agents explicables afin d’aider à la prise de décision lors de l’architecting des infrastructures critiques nucléaires. Le cadre proposé assistera les architectes système depuis l’analyse des besoins jusqu’à la formalisation d’alternatives d’architecture pouvant ensuite alimenter les démarches de MBSE et d’Ingénierie de Lignes de Produits (Product Line Engineering).

Les travaux de recherche s'articuleront autour de quatre axes complémentaires : Les travaux de recherche s'articuleront autour de quatre axes complémentaires : (i) le développement d'un cadre de modélisation intégrant besoins, variabilité, décisions et traçabilité ; (ii) la conception d'une architecture multi-agents explicable pour l'exploration collaborative des alternatives d'architecture ; (iii) le développement de méthodes d'aide à la décision multicritère sous incertitude intégrant l'analyse d'impact ; et (iv) la validation du cadre proposé sur des cas d'étude industriels issus des programmes Nuward et Aval du Futur.'

Les contributions scientifiques attendues comprennent : (i) un cadre de modélisation unifié pour le Systems Architecting en phase amont ; (ii) un cadre méthodologique pour l’orchestration de systèmes multi-agents explicables ; (iii) une approche d’aide à la décision pour l’évaluation d’alternatives d’architecture sous incertitude ; et (iv) une validation industrielle démontrant l’applicabilité et la transférabilité de l’approche proposée. Au-delà du domaine nucléaire, cette recherche vise à favoriser des processus d’architecting plus transparents, traçables, explicables et réutilisables pour les infrastructures critiques complexes.

Compétences requises

Ce projet concerne un(e) étudiant(e) possédant un diplôme de Master ou d’Ingénieur. Sans les considérer comme des pré requis stricts, une combinaison de certaines des compétences suivantes seront fortement appréciées pour mener à bien les travaux : • Approche Système et systèmes de systèmes • Ingénierie Système et MBSE : principes, processus, mise en pratique • Modélisation multiparadigmes et multi-langages / Méta modélisation • Data science / techniques d’IA / Systèmes multi agents / IA Hybride / IA agentique. • Ouverture d’esprit et curiosité, autonomie et force de proposition (juger, décider, convaincre) • Développements informatiques

Bibliographie

Timperley, L. R., Berthoud, L., Snider, C., & Tryfonas, T. (2025). Assessment of large language models for use in generative design of model based spacecraft system architectures. Journal of Engineering Design, 36(4), 550-570.
S. Purohit and A. M. Madni (2022), 'A Model-Based Systems Architecting and Integration Approach Using Interlevel and Intralevel Dependency Matrix,' in IEEE SYSTEMS JOURNAL, vol. 16, no. 1, pp. 747-754, March 2022.
Younse, P. J., Cameron, J. E., & Bradley, T. H. (2021). Comparative analysis of a model‐based systems engineering approach to a traditional systems engineering approach for architecting a robotic space system through knowledge categorization. Systems Engineering, 24(3), 177-199.
Delsing, J., Kulcsár, G., & Haugen, Ø. (2024). SysML modeling of service-oriented system-of-systems. Innovations in Systems and Software Engineering, 20(3), 269-285.
Raman, R., & D'Souza, M. (2019). Decision learning framework for architecture design decisions of complex systems and system‐of‐systems. Systems Engineering, 22(6), 538-560.
Chavy-Macdonald, M. A., Oizumi, K., Kishita, Y., & Aoyama, K. (2018). A system dynamics and scenarios framework for architecting product design goals for changeability. IEEE Systems Journal, 13(2), 1957-1968.
Axelsson, J., Fröberg, J., & Eriksson, P. (2019). Architecting systems‐of‐systems and their constituents: A case study applying Industry 4.0 in the construction domain. Systems Engineering, 22(6), 455-470.
Berger, T., Steghöfer, J. P., Ziadi, T., Robin, J., & Martinez, J. (2020). The state of adoption and the challenges of systematic variability management in industry. Empirical Software Engineering, 25(3), 1755-1797.
Lameh, J., Dubray, A., & Jankovic, M. (2023). Towards a configuration management integration to feature models in model-based product line engineering. Proceedings of the Design Society, 3, 3581-3590.
Ardon, L., Vann, J., Garg, D., Spooner, T., & Ganesh, S. (2022). Phantom--A RL-driven multi-agent framework to model complex systems. arXiv preprint arXiv:2210.06012
Guenov, M. D., Riaz, A., Bile, Y. H., Molina‐Cristobal, A., & Van Heerden, A. S. (2020). Computational framework for interactive architecting of complex systems. Systems Engineering, 23(3), 350-365.
Farahani, M. A., Khan, M. I., & Wuest, T. (2025). Hybrid Agentic AI and Multi-Agent Systems in Smart Manufacturing. arXiv preprint arXiv:2511.18258.
Thakur, L. (2026). Artificial intelligence agents and agentic AI systems: Architectures, capabilities, applications, challenges, and future directions. International Journal of Applied Resilience and Sustainability, 2(2), 721-744.
Jeyaraj, A. K., & Liscouet-Hanke, S. (2022). A safety-focused system architecting framework for the conceptual design of aircraft systems. Aerospace, 9(12), 791.
Tran, K. T., Dao, D., Nguyen, M. D., Pham, Q. V., O'Sullivan, B., & Nguyen, H. D. (2025). Multi-agent collaboration mechanisms: A survey of llms. arXiv preprint arXiv:2501.06322.
Phuc Do, Van-Thai Nguyen, Alexandre Voisin, Benoit Iung and Waldomiro Ferreira. Multi-agent deep reinforcement learning-based maintenance optimization for multi-dependent component systems. Expert Systems With Applications, Volume 245, 1 July 2024, 123144
INCOSE 2023, “Systems Engineering Handbook - a guide for system life cycle processes and activities,” Wiley eds, INCOSE-TP-2003-002-005, vol. 5th edition, 2023.
J. Bourdon, P. Couturier, V. Chapurlat, R. Plana, V. Richet, and B. Baudouin, “Model-based architecting evaluation method for the delivery of complex nuclear projects,” Systems Engineering, vol. 27, no. 1, pp. 21–41, Jan. 2024, doi: 10.1002/sys.21705.
ISO/IEC/IEEE 24641:2023, “Systems and Software engineering — Methods and tools for model-based systems and software engineering,” ISO.
W. Schindel and T. Peterson, “Introduction to pattern-based systems engineering (PBSE): Leveraging MBSE techniques,” in INCOSE International Symposium, 2013, p. 1639.
V. Chapurlat, B. Nastov, and J. Bourdon, “A conceptual, methodological and technical contribution for Modeling and V&V in MBSE context,” in 2022 IEEE International Symposium on Systems Engineering (ISSE), Vienna, Austria: IEEE, Oct. 2022, pp. 1–8. doi: 10.1109/ISSE54508.2022.10005444.
N. Shevchenko, “An introduction to model-based systems engineering (mbse),” Software Engineering Institute Blog, 2020.
V. Sukhomlin and D. Gapanovich, “Model-based systems and software engineering (MBSSE) reference model and its relationship to systems engineering process standards,” International Journal of Open Information Technologies, vol. 12, no. 1, pp. 144–155, 2024.
Kaitlin Henderson, Thomas McDermott, Alejandro Salado, MBSE adoption experiences in organizations: Lessons learned, Systems Engineering, vol 27, pages 214-239, Wiley eds, DOI: 10.1002/sys.21717, 2024
Architecture Frameworks Survey: extract from ISO/IEC/IEEE 42010:2011 [accessible on http://www.iso-architecture.org/ieee-1471/afs/frameworks-table.html]
Cameron B, Crawley E, Selva D. Systems Architecture. Strategy and Product Development for Complex Systems. Pearson Education; 2016.
ISO, IEC, & IEEE. ISO/IEC/IEEE 42030:2019 Software, Systems and Enterprise—Architecture Evaluation Framework. International Organization for Standardization; 2019b.
KumarA, Lokku DS, Zope NR, Reddypogu JK.Value based architecture of digital product-service systems. INCOSE Int Symp. 2017;27(1):950-964. doi:10.1002/j.2334-5837.2017.00405.x
Crawley EF. ESD. 34 Systems Architecting—Lecture Notes.MIT Engineering, Systems Division, IAP; 2007.
Rechtin E,MaierMW.The Art of Systems Architecting. CRC Press; 2010. doi:10.1201/9781420058529

Mots clés

Architecting des systèmes, Systèmes multi-agents explicables, MBSE, Decision Support, Intelligence artificielle hybride, Critical Nuclear Infrastructure