Etudiant : EZ-ZAHY ASMAE

Filière : Master Informatique Décisionnelle et Vision Intelligente (MIDVI)

Encadrant : Pr. BOUMHIDI JAOUAD

Annèe : 2024

Résumé : La compréhension de la structure du sous-sol repose sur l’acquisition de mesures permettant d’informer les scientifiques sur les propriétés physiques des roches qui le constituent (ex. la conductivité électrique, etc.). L’exploitation de ces mesures permet de déduire des informations sur la structure du sous-sol, comme la localisation des interfaces géologiques. Pour ce faire, les données sont le plus souvent interprétées au moyen de modèles lissés, qui présentent l’avantage d’être relativement simples à implémenter et peu coûteux. Ces modèles lissés ont cependant le désavantage d’atténuer fortement les contrastes entre les différents éléments du sous-sol, ce qui peut masquer la présence de couches géologiques. De plus, ils ne permettent pas de calculer les incertitudes associées aux différentes interfaces, alors que ce paramètre est d’une importance majeure pour l’utilisation effective des données acquises. Pour contourner ces problèmes, les modèles lissés peuvent être convertis en modèles contrastés, mais cette conversion est particulièrement complexe. Des publications récentes ont montré l’intérêt des approches d’apprentissage génératif pour résoudre c'est dans le cadre de mon projet de fin d’études, intitulé "Développement de méthodes basées sur l’intelligence artificielle pour la génération de modèles géophysiques contrastés" au sein du BRGM, nous étudierons la possibilité de développer une méthodologie basée sur une technique d’apprentissage génératif pour associer des modèles contrastés à des modèles lissés. Ce travail enrichit la compréhension et l’application des techniques d’IA en géophysique, ouvrant des perspectives pour leur utilisation dans l’exploration et la caractérisation détaillée du sous-sol.