Face aux forts besoins de réduction de la consommation énergétique et de l’impact environnemental,le bâtiment d’aujourd’hui vise la performance en s’appuyant sur des sourcesd’énergie de plus en plus diversifiées (énergies renouvelables), une enveloppe mieux conçue(isolation) et des systèmes de gestion plus avancés. Plus la conception vise la basse consommation,plus les interactions entre ses composants sont complexes et peu intuitives. Seule unerégulation plus intégrée permettrait de prendre en compte cette complexité et d’optimiser lefonctionnement pour atteindre la basse consommation sans sacrifier le confort.Les techniques de commande prédictive, fondées sur l’utilisation de modèles dynamiqueset de techniques d’optimisation, promettent une réduction des consommations et de l’inconfort.Elles permettent en effet d’anticiper l’évolution des sources et des besoins intermittentstout en tirant parti de l’inertie thermique du bâtiment, de ses systèmes et autres élémentsde stockage. Cependant, dans le cas du bâtiment, l’obtention d’un modèle dynamique suffisammentprécis présente des difficultés du fait d’incertitudes importantes sur les paramètresdu modèle et les sollicitations du système. Les avancées récentes dans le domaine de l’instrumentationdomotique constituent une opportunité prometteuse pour la réduction de cesincertitudes, mais la conception d’un tel système pour une telle application n’est pas triviale.De fait, il devient nécessaire de pouvoir considérer les problématiques de monitoring énergétique,d’instrumentation, de commande prédictive et de modélisation de façon conjointe.Cette thèse vise à identifier les liens entre commande prédictive et instrumentation dansle bâtiment, en proposant puis exploitant une méthode générique de modélisation du bâtiment,de simulation thermique et de résolution de problèmes d’optimisation. Cette méthodologiemet en oeuvre une modélisation thermique multizone du bâtiment, et des algorithmesd’optimisation reposant sur un modèle adjoint et les outils du contrôle optimal. Elle a étéconcrétisée dans un outil de calcul permettant de mettre en place une stratégie de commandeprédictive comportant des phases de commande optimale, d’estimation d’état et decalibration.En premier lieu, nous étudions la formulation et la résolution d’un problème de commandeoptimale. Nous abordons les différences entre un tel contrôle et une stratégie de régulationclassique, entre autres sur la prise en compte d’indices de performance et de contraintes. Nousprésentons ensuite une méthode d’estimation d’état basée sur l’identification de gains thermiquesinternes inconnus. Cette méthode d’estimation est couplée au calcul de commandeoptimale pour former une stratégie de commande prédictive.Les valeurs des paramètres d’un modèle de bâtiment sont souvent très incertaines. Lacalibration paramétrique du modèle est incontournable pour réduire les erreurs de prédictionet garantir la performance d’une commande optimale. Nous appliquons alors notreméthodologie à une technique de calibration basée sur des mesures de températures in situ.Nous ouvrons ensuite sur des méthodes permettant d’orienter le choix des capteurs à utiliser(nombre, positionnement) et des paramètres à calibrer en exploitant les gradients calculéspar la méthode adjointe.La stratégie de commande prédictive a été mise en oeuvre sur un bâtiment expérimentalprès de Chambéry. Dans le cadre de cette étude, l’intégralité du bâtiment a été modélisé,et les différentes étapes de notre commande prédictive ont été ensuite déployées de mainière séquentielle. Cette mise en oeuvre permet d’étudier les enjeux et les difficultés liées àl’implémentation d’une commande prédictive sur un bâtiment réel.Cette thèse est issue d’une collaboration entre le CEA Leti, l’IFSTTAR de Nantes et leG2ELab, et s’inscrit dans le cadre du projet ANR PRECCISION. / More efficient energy management of buildings through the use of Model Predictive Control(MPC) techniques is a key issue to reduce the environmental impact of buildings. Buildingenergy performance is currently improved by using renewable energy sources, a betterdesign of the building envelope (insulation) and the use of advanced management systems.The more the design aims for high performance, the more interactions and coupling effectsbetween the building, its environment and the conditions of use are important and unintuitive.Only a more integrated regulation would take in account this complexity, and couldhelp to optimize the consumption without compromising the comfort.Model Predictive Control techniques, based on the use of dynamic models and optimizationmethods, promise a reduction of consumption and discomfort. They can generate energysavings by anticipating the evolution of renewable sources and intermittent needs, while takingadvantage of the building thermal inertia and other storage items. However, in the caseof buildings, obtaining a good dynamic model is tough, due to important uncertainties onmodel parameters and system solicitations.Recent advances in the field of wireless sensor networks are fostering the deployment ofsensors in buildings, and offer a promising opportunity to reduce these errors. Nevertheless,designing a sensor network dedicated to MPC is not obvious, and energy monitoring,instrumentation, modeling and predictive control matters must be considered jointly.This thesis aims at establishing the links between MPC and instrumentation needs inbuildings. We propose a generic method for building modeling, thermal simulation andoptimization. This methodology involves a multi-zone thermal model of the building, andefficient optimization algorithms using an adjoint model and tools from the optimal controltheory. It was implemented in a specific toolbox to develop a predictive control strategywith optimal control phases, state estimation phases and model calibration.At first, we study the formulation and resolution of an optimal control problem. We discussthe differences between such a control and a conventional regulation strategy, throughperformance indicators. Then, we present a state estimation method based on the identificationof unknown internal gains. This estimation method is subsequently coupled with theoptimal control method to form a predictive control strategy.As the parameters values of a building model are often very uncertain, parametric modelcalibration is essential to reduce prediction errors and to ensure the MPC performance. Consequently,we apply our methodology to a calibration technique based on in situ temperaturemeasurements. We also discuss how our approach can lead to selection techniques in orderto choose calibrated parameters and sensors for MPC purposes.Eventually, the predictive control strategy was implemented on an experimental building,at CEA INES, near Chambéry. The entire building was modeled, and the different steps ofthe control strategy were applied sequentially through an online supervisor. This experimentgave us a useful feedback on our methodology on a real case.This thesis is the result of a collaboration between CEA Leti, IFSTTAR Nantes andG2ELab, and is part of the ANR PRECCISION project.

L’adaptation de maillage est un outil puissant pour l’obtention de simulations aérodynamiques précises à coût limité. Dans le cas particulier des simulations visant au calcul de fonctions aérodynamiques (efforts, moments, rendements...), plusieurs méthodes dites de raffinement ciblé (ou, en anglais, « goal-oriented ») basées sur le vecteur adjoint de la fonction d’intérêt ont été proposées. L’objectif de la thèse est l’extension d’une méthode de ce type basée sur la dérivée totale dJ/dX de la grandeur aérodynamique d’intérêt, J, par rapport aux coordonnées du maillage volumique, X. Les trois méthodes usuelles de calcul de gradient discret – la méthode de différentiation directe, la méthode adjointe-"paramètres" et la méthode adjointe-"maillage" évaluant dJ/dX – ont tout d’abord été étudiées et codées dans le logiciel elsA de l’ONERA pour des maillages non-structurés, pour des écoulements compressibles de fluide parfait et des écoulements laminaires. La seconde étape du travail a consisté à créer un senseur local θ basé sur dJ/dX qui identifie les zones du maillage volumique où la position des nœuds a une forte incidence sur l’évaluation de la fonction J. Ce senseur sert d’indicateur pour l’adaptation de différents maillages, pour différents régimes d’écoulement (subsonique, transsonique, supersonique), pour des configurations d’aérodynamique interne (aube et tuyère) et externe (profil d’aile). La méthode proposée est comparée à une méthode de raffinement ciblée très populaire (Venditti et Darmofal, 2001) et à une méthode de raffinement basée sur les caractéristiques de l’écoulement (ou, en anglais, « feature-based ») ; elle conduit à des résultats très satisfaisants. / Mesh adaptation is a powerful tool to obtain accurate aerodynamic simulations with limited cost. In the specific case of computation of aerodynamic functions (forces, moments, efficiency ...), goal-oriented methods based on the adjoint vector have been proposed. The aim of the thesis is the extension of a method of this type based on the total derivative dJ/dX of the aerodynamic output of interest, J, with respect to the volume mesh coordinates, X. The three common methods for calculating discrete gradient – the direct differentiation method, the parameter-adjoint method and mesh-adjoint method evaluating dJ/dX – have been studied first and coded in the elsA ONERA software for unstructured grids, for compressible inviscid and laminar flows. The second part of this work was has been to define a local sensor θ based on dJ/dX in order to identify zones where the volume mesh nodes position has a strong impact on the evaluation of the function J. This sensor is the selected indicator for different mesh adaptations for different flow regimes (subsonic, transonic, supersonic) for internal (blade and nozzle) and external (wing profile) aerodynamic configurations. The proposed method is compared to a well-known goal-oriented method (Darmofal and Venditti, 2001) and to a feature-based method ; it leads to very consistent results. very consistent results.

L'optimisation aérodynamique de forme est un domaine de recherche très actif ces dernières années, en raison notamment de l'importance de ses applications industrielles. Avec le développement de la méthode adjointe, il est aujourd'hui possible de calculer rapidement, et indépendamment du nombre de paramètres de forme, le gradient des fonctions d'intérêt par rapport à ces paramètres. Cette étude concerne l'utilisation des dérivées ainsi obtenues pour perfectionner les algorithmes d'optimisation locale et globale. Dans une première partie, il s'agit d'utiliser ces gradients pour la construction de modèles de substitution, et de profiter de ces modèles pour réduire le coût des méthodes d'optimisation globale. Plusieurs types de modèles sont présentés et combinés à un algorithme de type " évolution différentielle " en utilisant la méthode EGO (Efficient Global Optimization). Cette procédure est appliquée à l'optimisation de fonctions mathématiques, puis à des cas test d'optimisation aérodynamique autour de profils d'aile. Les résultats sont concluants : l'utilisation d'un modèle de substitution permet de réduire sensiblement le nombre d'évaluations nécessaire du modèle physique, et la prise en compte des gradients accentue ce résultat. Dans la seconde partie de ce travail, la méthode adjointe est utilisée pour calculer le gradient des fonctions d'intérêt par rapport aux coordonnées des noeuds de la surface du profil. Un algorithme d'optimisation locale est alors appliqué en utilisant ces points comme paramètres de l'optimisation et le champ de gradient lissé comme direction de descente. Si l'étude est encore à approfondir, les résultats sont encourageants.

La simulation numérique est largement utilisée pour évaluer les performances aérodynamiques des aéronefs ainsi qu'en optimisation de forme. Ainsi l'objectif de ces simulations est souvent le calcul de fonctions aérodynamiques. L'objet de cette thèse est d'étudier des méthodes d'adaptation de maillages basées sur la dérivée totale de ces fonctions par rapport aux coordonnées du maillage (notée dJ/dX). Celle-ci pouvant être calculée par la méthode adjointe discrète. La première partie de cette étude concerne l'application de méthodes d'adaptation de maillages appliquées à des écoulements de fluides parfaits. Le senseur qui détecte les zones de maillage à raffiner s'appuie sur la norme de cette dérivée pour adapter des maillages pour le calcul d'une fonction J. La seconde partie du travail est la construction et l'étude de critères plus fiables basés sur dJ/dX pour d'une part adapter des maillages et d'autre part estimer si un maillage est bien adapté ou non pour le calcul de la fonction J. De plus une méthode de remaillage plus efficace basée sur une EDP elliptique est aussi présentée. Cette nouvelle méthode est appliquée pour des écoulements bidimensionnels de fluides parfaits ainsi que pour un écoulement décrit par les équations RANS. La dernière partie de l'étude est consacrée à l'application de la méthode proposée à des cas tridimensionnels d'écoulement RANS sur des géométries d'intérêt industriel.

Thèse de doctorat présentée en vue de l'obtention du doctorat en psychologie - recherche (Ph.D) / La santé psychologique est une composante essentielle au bon fonctionnement quotidien des individus. Celle-ci est influencée par plusieurs facteurs, dont leur emploi. Un employé possédant une bonne santé psychologique n’est pas seulement fondamental pour son propre bien-être, mais également pour les objectifs de l’organisation qui l’emploie. Effectivement, un employé qui vit beaucoup de bien-être psychologique au travail est plus satisfait de son emploi et est plus productif et efficace à la tâche. A contrario, un employé en détresse psychologique à son travail est à risque de développer plusieurs troubles psychologiques, dont la dépression, le burnout et l’anxiété, menant à plusieurs comportements indésirables et à un roulement du personnel accru. La résilience est un phénomène permettant aux employés de mieux gérer les conséquences toxiques des adversités caractéristiques du milieu organisationnel sur leur santé psychologique en protégeant leur bien-être et en limitant les impacts négatifs sur leur détresse psychologique. Les objectifs de cette thèse sont donc de rapporter les principales lacunes de la littérature scientifique au sujet des liens entre la résilience et la santé psychologique en milieu organisationnel et de proposer un modèle prédictif de la santé psychologique chez les directions et directions adjointes des établissements scolaires francophones. Le premier article est une revue de portée qui cartographie la connaissance scientifique sur les liens statistiques directs et indirects entre la résilience et deux facteurs de santé psychologique : le bien-être et la détresse psychologique. Cet article recueille les résultats d’études sur un large éventail d’emplois et de pays d’origine. Plusieurs biais et lacunes en lien avec la validité externe sont observés. La majorité des études proviennent des pays catégorisés WEIRD, étudient les emplois du secteur de la santé et sont motivées par l’arrivée d’une catastrophe telle que la pandémie au COVID-19. Le deuxième article propose un modèle prédictif du bien-être et de la détresse psychologique chez les directions et directions adjointes d’établissements ii scolaires francophones ontariennes et québécoises. Le modèle stipule que le climat de travail, la résilience et les habiletés politiques sont des inducteurs directs du bien-être et de la détresse. Le modèle proposé est également comparé à un modèle alternatif basé sur la théorie de conservation des ressources. Selon l’analyse acheminatoire, le modèle proposé représente le mieux les données et le climat de travail et la résilience prédisent statistiquement le bien-être et la détresse psychologique. La résilience est également le meilleur prédicteur de la santé psychologique. / Psychological health is an essential component for the proper daily functioning of individuals. This is influenced by several factors, including their work. An employee with good psychological health is not only fundamental for their own well-being, but also for the objectives of the organization that employs them. Indeed, an employee who experiences a lot of psychological well-being at work is more satisfied with their job and is more productive and efficient at work. Conversely, an employee in psychological distress is at risk of developing several psychological disorders, including depression, burnout, and anxiety, leading to several undesirable behaviors and increased staff turnover. Resilience is a phenomenon that allows employees to better manage the toxic consequences of the adversities characteristic of the organizational setting on their psychological health by protecting their well being and limiting the negative impacts on their psychological distress. The objectives of this thesis are therefore to report the gaps in the scientific literature on the links between resilience and psychological health in an organizational setting and to propose a predictive model of psychological health among principals and vice-principals of French-speaking schools. The first article is a scoping review that maps scientific knowledge on the direct and indirect statistical links between resilience and the two factors of psychological health: well-being and psychological distress. This article collects the results of studies on a wide range of jobs and countries of origin. Several shortcomings and biases are observed. The majority of studies come from countries categorized as WEIRD, study jobs in the health sector and are motivated by the arrival of a disaster such as the COVID-19 pandemic. The second article proposes a predictive model of well-being and psychological distress among principals and vice-principals of French-speaking schools from Ontario and Québec. The model states that work climate, resilience and political skills are direct drivers of well-being and distress. The proposed model is also compared to an alternative model based on the resource conservation theory. According to the path analysis, the proposed model best fits the data, and work climate and resilience statistically predict well-being and psychological distress. Resilience is also the best predictor of psychological health.

On proposera un tour d'horizon de quelques problèmes et méthodes inverses pour l'environnement (météo, océano, glacio).