L’objectif de cette thèse était le développement d’une analyse rapide pour la caractérisation des produits lourds du pétrole. Des modèles de prédiction de propriétés des produits lourds ont été développés à partir des spectroscopies moyen-infrarouge (MIR) et proche infrarouge (PIR). Ce travail a principalement porté sur l’optimisation des modèles prédictifs des teneurs en composés saturés, aromatiques, résines et asphaltènes (SARA). Une optimisation simultanée par algorithmes génétiques du choix des prétraitements des données spectrales et des variables à sélectionner a été évaluée. Cette approchea permis de conduire au meilleur pouvoir prédictif des modèles PIR et a montré le potentiel d’interprétation des variables sélectionnées. Une étude de comparaison des modèles développés séparémentà partir des spectres MIR et PIR a ensuite été réalisée. La spectroscopie PIR s’est révélée être globalement plus performante dans le cadre de notre application. Il a également été démontré que la fusion de données spectroscopiques pouvait améliorer la qualité des prédictions. Au vu des résultats, ilsemble nécessaire que les modèles développés séparément à partir de ces spectroscopies conduisent à des performances similaires pour espérer une amélioration lors de la fusion des données spectrales. Le potentiel de l’interprétation des techniques de régression multiblock a également été confirmé pour identifier les informations spectrales spécifiques contenues dans les spectres MIR et PIR. Enfin, les modèles de prédiction de la densité, des teneurs en SARA, en carbone Conradson, en hydrogène, en soufre et en azote ont été jugées satisfaisantes pour une utilisation au laboratoire. / The aim of this study is to develop an alternative analysis for the characterisation of heavy oil products. Predictive chemometric models have been developed by mid-infrared (MIR) and near infrared (NIR) spectroscopies. This work has principally concerned the predictive model optimisation of saturate, aromatic, resin and asphalten contents (SARA). A simultaneous optimisation procedure of spectral data pre-processing methods and variable selection by genetic algorithms was evaluated. This approach has permitted to lead to the best NIR predictions and to show the interpretation potentialof selected variables. A comparative study of MIR and NIR spectroscopies for the development of heavy oil property predictive model was also performed. Results have shown that NIR spectroscopy was globally better for our application. It has been shown that spectroscopic data fusion can improve predictive power of models. The obtained results have shown that it seems however necessary that both spectroscopy, considered separately, have to lead to similar predictive power to expect an predictive power improvement when combining MIR and NIR. The interpretation potential of multiblock has been confirmed for the identification of MIR and NIR specific information. Finally, models developed for the prediction of density, contents of SARA, Conradson carbon, hydrogen, sulphur and nitrogen were judged satisfactory for an application at laboratory.

Dans un contexte où la demande énergétique ne cesse de croître et où les réserves pétrolières sont limitées, il est nécessaire de développer des sources énergétiques alternatives ainsi que de ransformer celles existantes afin de satisfaire les besoins croissants notamment dans les secteurs du transport et de la pétrochimie. Un des objectifs de l’IFP est de concevoir et d’améliorer des procédés de raffinages existants afin d’optimiser l’utilisation des ressources conventionnelles tout en les diversifiant afin de produire notamment du carburant à partir des produits lourds du pétrole. L'enjeu des prochaines décennies est de convertir efficacement des bruts lourds en produits légers valorisables tels que l'essence, le kérosène et le gazole. Pour cela, il est indispensable de disposer d'une connaissance précise des produits présents dans la charge, principalement des asphaltènes, afin d'adapter le catalyseur utilisé et obtenir les meilleurs résultats de conversion possibles. L’objectif de la thèse visait à obtenir une meilleure caractérisation physico-chimique des asphaltènes en solution. Le manuscrit décrit une nouvelle application de la technique RMN DOSY (Diffusion Ordered Spectroscopy) à la caractérisation des produits lourds du pétrole. Des asphaltenes de cinq origines différentes ont été analysées sur une large gamme de concentration afin d’étudier leur agrégation en solution. Les résultats révèlent l’existence de deux familles d’agrégats en régime semidilué : une famille diffusant rapidement appelée nanoagrégats et un type d’agrégats diffusant plus lentement nommée macroagrégats dans ce manuscrit. L’influence du solvant a été étudiée sur une charge analysée dans le toluène, le tetra-hydrofurane et le chloroforme. Des informations physiques moyennes sur la taille et la masse moléculaire des nanoagrégats des asphaltènes ont été calculées à partir de leur diffusion en solution. Il a ainsi été possible de mettre en évidence des familles de produits caractérisées par une structure et une masse moléculaire en une seule expérience. Le manuscrit propose également une discussion sur le caractère continental ou/et archipel des asphaltènes. L’hypothèse de départ est basée sur la co-existence des deux types d’asphaltènes avec un caractère archipel (ou continental) plus ou moins marqué suivant l’origine des échantillons / New energy supplies need to be developed to face the growing worldwide energy demand. Heavy oils have attracted attention since their represent an important energy reserve. The problem to deal with during their upgrading is the presence of asphaltenes, representing the heaviest and the most resistant fraction of the crude oil. It is worth getting a better understanding into the physico-chemistry of asphaltenes to develop new catalysts and new conversion processes. The manuscript describes a new application of Diffusion Ordered Spectroscopy (1H-DOSY) NMR experiment. It is evaluated as a potential tool to investigate the physico-chemistry of asphaltenes from five different origins in just one experiment. Asphaltenes were studied over a wide range of concentrations in different solvents to get a deeper insight into their aggregation behaviour. For the first time, two different aggregates were observed in the semi-dilute regime and reported in this manuscript. Average size and molecular weight are estimated from diffusion measurements at infinite dilution. Based on different results, a discussion about continental and archipelago type is also provided. Asphaltenes are expected to be a distribution of the two types of asphaltenes with a more pronounced archipelago (or continental) type depending on the origin of the sample

L'objectif de cette thèse est le développement d'une analyse rapide pour la caractérisation des produits lourds du pétrole. Des modèles de prédiction de propriétés des produits lourds ont été développés à partir des spectroscopies moyen infrarouge (MIR) et proche infrarouge (PIR). Ce travail a principalement porté sur l'optimisation des modèles prédictifs des teneurs en composés saturés, aromatiques, résines et asphaltènes (SARA). Une optimisation simultanée par algorithmes génétiques du choix des prétraitements des données spectrales et des variables à sélectionner a été évaluée. Cette approche a permis de conduire au meilleur pouvoir prédictif des modèles PIR et a montré le potentiel d'interprétation des variables sélectionnées. Une étude de comparaison des modèles développés séparément à partir des spectres MIR et PIR a ensuite été réalisée. La spectroscopie PIR s'est révélée être globalement plus performante dans le cadre de notre application. Il a également été démontré que la fusion de données spectroscopiques pouvait améliorer la qualité des prédictions. Au vu des résultats, il semble nécessaire que les modèles développés séparément à partir de ces spectroscopies conduisent à des performances similaires pour espérer une amélioration lors de la fusion des données spectrales. Le potentiel de l'interprétation des techniques de régression à blocs multiples a également été confirmé pour identifier les informations spectrales spécifiques contenues dans les spectres MIR et PIR. Enfin, les modèles de prédiction de la densité, des teneurs en SARA, en carbone Conradson, en hydrogène, en soufre et en azote ont été jugés satisfaisants pour une utilisation au laboratoire.