Laboratoire d'Intégration des Systèmes et des Technologies

Comment limiter les effets des activités humaines sur le système Terre ? Ce sujet n'est pas nouveau, mais l’accélération de ces phénomènes dans un contexte de changement global nécessite une prise de conscience collective. Parmi les 9 limites planétaires identifiées qui pourraient mettre en danger l’existence de l’Homme si des seuils sont dépassés, on retrouve l’émission des entités nouvelles (produits chimiques, biologiques, (nano)matériaux manufacturés et sous-produits de transformation) dans notre Environnement. La définition d’une limite planétaire pour l’émission des entités nouvelles est quasi-impossible car on ne peut définir une limite d’(éco)toxicité pour la totalité. MAGICIA a pour objectif de développer une approche robuste visant à améliorer notre capacité d’évaluation à haut débit des risques environnementaux associés aux nouvelles entités sur le long-terme dans un contexte de changement climatique. Le 1er défi sera de développe des tests fonctionnels à haut débit afin d’étudier l’exposition environnementales aux entités nouvelles. Pour cela nous éluciderons de façon découplée (i) les mécanismes bio-physico-chimiques et cinétiques réactionnelles aux interface vivant/minéral/nouvelles entités, et (ii) les processus de génération d’entité (nano)particulaires au cours du cycle de vie des matériaux avancés. Nous créerons des bancs d’analyses micro-fluidiques associant divers outils de spectrométrie, spectroscopie et imagerie. Le 2e défi sera d’utiliser l’Intelligence artificielle pour développer des jumeaux numériques des mésocosmes pour prédire les risques associés aux mélanges complexes d’entités nouvelles sur long-terme en contexte de changement climatique. Nous nous appuierons sur des bases de données d’exposition, des modèles de transport et de géochimie. Nous évaluerons la robustesse de notre approche en menant une expérimentation en mésocosmes aquatiques mimant la contamination d’un écosystème lenthique à un mélange complexes de nouvelles entités.

The Cir4Fun Project endeavours to transform the furniture industry by championing circular economy principles across the product life cycle. Through innovative strategies, DPP and digital solutions supporting mechanisms, it aims to enhance furniture sustainability, eco-labelling, and consumer engagement while aligning with relevant regulations and initiatives. Cir4Fun's approach involves creating a comprehensive circular economy roadmap, defining content for a Furniture DPP, developing circular business models and eco-design guidelines, and establishing new assessment methodologies for maintenance, reparability, refurbishment, remanufacturing and recyclability. All this knowledge will be integrated in a holistic Furniture Assessment System (FAS) including a Sustainable Index System, d-LCA, LCC, SLCA. FAS will support the furniture eco-scoring system and DPP. Additionally, it focuses on interoperability, data sharing and data management with reliable approaches to enable simulation testing to inform supply chain strategies and extend product lifespan. Social engagement with stakeholders is emphasized to promote sustainable behaviours and circular practices, ultimately supporting new regulations and standardization in the furniture industry. The project outcomes will be implemented and validated in 3 use cases addressing different value chains across Europe and the findings will be widely circulated across the furniture ecosystem in Europe.

AIOLIA gives a robust 3-tier response to the complex challenges posed by the need to operationally interpret the EU AI Act and global AI regulation. (1) Recognizing the gap between ethical values and their practical application in engineering, AIOLIA pioneers a bottom-up approach to operationalize AI ethics with regard to human condition and behaviour. Following a selection of real-world use cases, AIOLIA translates high-level principles into actionable and contextual guidelines co-created by leading academic, policy, and ethics-aware industrial partners who represent diverse professional and geographic European and international contexts. (2) AIOLIA's commitment to context-sensitivity is deepened by crafting modular, inclusive training materials following the ADDIE methodology designed to cater to diverse learning needs. Hosted on the Embassy of Good Science, AIOLIA materials will range from lectures, videos, and mock reviews to such innovative formats as podcasts, Tiktoks, and a chatbot teaching AI ethics. (3) AIOLIA's outreach is amplified by encompassing 7 research ethics and integrity networks and 3 prominent computer science networks. This strategic alignment enables us to effectively recruit training participants and disseminate human-centric ethics guidelines to a wide spectrum of stakeholders, from ethics experts to early-stage researchers and policymakers worldwide. Resolutely European, AIOLIA's vision propagates beyond EU, embracing global cooperation with leading universities and think tanks in China, South Korea, Japan, and Canada. Utilizing UNESCO platform with its reach to Africa and South Asia, AIOLIA’s guidelines evolve into an analytic toolbox for key international AI dialogues and processes. This global perspective ensures that AIOLIA's impact is not only significant but also sustainable, contributing to fair scientific cooperation and providing concrete and culturally informed ethics instruments to shape the next generation of AI systems.

Le projet EMERALD “ElectroMagnetic compatible EngineeRed Active Low-consumption Diamond-based optics” s’inscrit dans la continuité des résultats prometteurs obtenus dans le cadre du projet ASTRID D-FACTO, coordonné par Thales Research & Technology - France. Le consortium avait alors démontré la preuve de concept d’une fenêtre optique infrarouge à base de diamant nanostructuré aux propriétés anti-reflets, superhydrophobes, anti-givre et anti-encrassement par activation électrochimique. C’est notamment cette dernière fonctionnalité, permettant un nettoyage de l’optique en situation opérationnelle et donc de s’affranchir de toute opération de maintenance, qui avait motivé le montage de ce projet. Ces fenêtres nanostructurées possèdent par ailleurs une robustesse mécanique accrue par rapport aux fenêtres « standard » en verre, silicium ou germanium, même lorsque les épaisseurs de diamant mises en jeu sont faibles (100nm). Les développements technologiques menés avaient pour objectif de répondre aux besoins de nombreux systèmes optiques et optroniques utilisés dans les domaines civils et militaires : capteurs visible ou infrarouge des aéronefs (drones), des véhicules autonomes, l’instrumentation spatiale d’observation terrestre, les systèmes de surveillance pour les domaines maritime et terrestre, l’ensemble des senseurs optroniques, les LiDARs… Le projet EMERALD vise à améliorer les propriétés d’auto-nettoyage des fenêtres optiques à base de diamant par l’intermédiaire d’une couche mince collectrice de charges électriques, transparente dans la bande spectrale d’utilisation (visible ou infrarouge), et destinée à rendre le courant d’activation électrochimique compatible d’une électronique faible consommation (typiquement 1W pendant quelques secondes). Le consortium travaillera également à la pérennisation du caractère superhydrophobe d’une optique à base de diamant nanostructuré via le développement d’une méthode de fonctionnalisation chimique robuste. La mise en œuvre de ce procédé de fonctionnalisation devra être peu contraignante, afin de rendre possible, en situation terrain, une régénération du caractère anti-pluie dont le maintien n’est plus garanti après activation électrochimique de l’optique. Enfin, les propriétés de conduction électrique et de transparence optique offertes par le diamant rendu conducteur par dopage, devront permettre, à l’aide d’un design d’électrodes optimisé, l’obtention d’un caractère CEM (Compatibilité Électromagnétique) et LO (Low Observable) de la fenêtre optique dans certaines plages de fréquences de la bande RADAR. Le projet EMERALD permettra la conception et la réalisation de démonstrateurs optiques fonctionnant dans la bande visible ou infrarouge, et possédant les différentes propriétés mentionnées précédemment (superhydrophobie, auto-nettoyabilité et CEM/LO). Une fenêtre optique sera implémentée sur un drone afin de tester les différentes fonctionnalités, et notamment la capacité d’auto-nettoyage, en situation opérationnelle, i.e. en vol.

Le projet ASIAM (Analyse Situationnelle par l’Intelligence Artificielle générative Multimodale) vise à développer une solution innovante et souveraine d’intelligente artificielle générative (IAG) multimodale permettant d’accompagner un opérateur dans son analyse de l’environnement en augmentant de manière significative sa conscience situationnelle. L’IAG apparaît comme une technologie prometteuse pour révolutionner le traitement de l’information, l’aide à la décision et améliorer l’efficacité opérationnelle. Cependant elle présente encore des limitations majeures pour son usage dans des applications militaires/critiques. Il s’agit principalement du manque de précision, de fiabilité, des lacunes en matière de compréhension et de raisonnement en profondeur. En outre, elle reste aujourd’hui cantonnée au traitement de textes et d’images. Enfin, à ces verrous techniques s’ajoutent des préoccupations concernant sa souveraineté et la confidentialité des données qu’elle peut traiter. Pour lever ces verrous, Thales et le CEA mobiliseront leur expertise complémentaire pour développer des MM-LLM (Multimodal Large Language Models) souverains en s’attachant à trois axes de recherche : - La spécialisation des modèles au domaine cible et leur précision ; - La multi-modalité étendue, couvrant les textes, les images, les données cartographiques et les données structurées; - La capacité de raisonnement des modèles allant de la description fine jusqu’au raisonnement spatio-temporel. L’analyse situationnelle exploitera un large spectre de sources d’information : réalité du terrain perçue par les personnes (échanges de textes, transcriptions audio, images et vidéos), autres modes de captation (caméras dans le visible ou l’IR, radars...), sources d’information privées, données disponibles sur le web et les réseaux sociaux, données cartographiques, et données structurées. Les enjeux adressés par ASIAM sont de réussir à : i) fusionner efficacement des données hétérogènes, ii) produire des informations synthétiques, précises, fiables et pertinentes, dans le contexte, iii) générer de l’information de haut niveau intelligible, par l’intégration de mécanismes de raisonnement à différentes échelles d’espace et de temps. Les innovations et avancées majeures attendues dans le projet seront : - Des nouveaux outils d’annotation intelligente des données et des chaînes de raisonnement ; - Un modèle multimodal, MapCLIP, premier du genre, permettant d’aligner la modalité carte à la modalité texte et ouvrant la possibilité à l’extraction d’informations sémantiques des cartes; - De nouvelles approches d’apprentissage pour le raisonnement géo-spatial ; - Les premiers MM-LLM pour la défense, maîtrisés de bout en bout, et capables d’exploiter toutes les modalités citées et de rechercher l’information avec précision, notamment avec des techniques de type Graph-RAG; - Une évaluation objective des performances des MM-LLM développés ; - Une démonstration des fonctionnalités développées dans le cadre de l’assistance à l’opérateur par l’IAG. ASIAM jouera le rôle d’un assistant intelligent de confiance pour l’utilisateur, lui permettant de dialoguer facilement et efficacement avec des bases d’informations dans le but de faciliter et d’accélérer la prise de décision humaine. Par exemple, appliquée au domaine du renseignement, l’IA générative multimodale, permettra d’extraire, de traiter, de corréler et d’interpréter simultanément différents types d’informations provenant de sources multiples pour générer des synthèses et accélérer la production de rapports fiables. Appliquée au commandement, elle permettra de mettre à jour la situation réelle avec les données terrain et de mettre en évidence les écarts avec la situation prévue. Le projet ASIAM s’inscrit dans le cadre de la thématique « 6.15 Intelligence artificielle », et s’intéresse plus particulièrement aux méthodes d’intelligence artificielle multimodales au service des applications critiques (6.15.1 et 6.1.2).

Le projet PHOENIX se concentre sur le développement de matériaux amorphes innovants, fonctionnalisés par laser femtoseconde pour des environnements dédiés aux hautes températures (HT), dépassant souvent les 800-1000°C. Il répond à des besoins dans des secteurs technologiques tels que les turboréacteurs, la fabrication additive par laser et les réacteurs nucléaires de nouvelle génération. Un objectif clé est d'améliorer les capteurs optiques en verres d'oxydes, qui offrent des avantages importants par rapport aux thermocouples classiques : conception compacte, haute sensibilité, résistance à la corrosion et capacité de multiplexage. Pour produire des dispositifs photoniques performants, tels que des réseaux de Bragg et des guides d'onde, l’écriture directe par laser femtoseconde (FLDW) est idéale et permet de modifier le verre de façon précise, permanente et flexible. Cependant, les nanostructures poreuses actuellement inscrites par FLDW pour les applications HT évoluent et s’effacent après quelques heures à 1100°C dans la silice pure, entrainant une dégradation de la réponse optique et une perte de performance. Face à ce problème, le projet PHOENIX s'appuie sur une percée fondamentale et technologique récente qui consiste à précipiter des nanocristaux réfractaires tels que du ZrO2 ou de la Mullite par laser. Cette méthode permet de créer des modifications de l’indice de réfraction stables jusqu'à 1600°C. Ce nouveau régime, baptisé Type Ic, repose sur la migration chimique et la cristallisation au sein du volume focal, et permet ainsi une stabilité thermique bien supérieure aux structures poreuses actuelles. La maîtrise de ce régime est au cœur du projet PHOENIX, avec comme objectifs principaux i) de développer de nouveaux verres adaptés aux HT, ii) de précipiter des nanocristaux via FLDW, et iii) d’améliorer les performances optiques et thermiques (fort contraste d’indice, faibles pertes, fonctionnement stable entre 1000 et 1500°C).

Les implants sont largement utilisés en chirurgie orthopédique et dentaire. Malgré une utilisation en routine clinique, les échecs implantaires, qui peuvent avoir des conséquences dramatiques, restent difficiles à anticiper. Le succès chirurgical dépend de l'évolution de la stabilité de l'implant, qui est déterminée par les propriétés biomécaniques de l'interface os-implant, un paramètre difficilement mesurable en clinique. L'échographie quantitative (QUS) s'est récemment avérée représenter une modalité intéressante, qui a déjà été validée in vivo. Cependant, la technique reste immature. Les principaux verrous qu'UltraImplant se propose de lever sont les suivants : i) la conception de transducteurs multiéléments adaptés à la configuration, ii) le couplage de différents montages expérimentaux pour extraire des informations complémentaires sur l’interface os-implant (BII), iii) la gestion du modèle direct pour la géométrie complexe de la BII, iv) la minimisation du coût du calcul direct et v) l’implémentation d’une stratégie d'inversion appropriée en vue de développer un système d'aide à la décision en temps réel pour les futures applications cliniques. L'objectif d'UltraImplant est de comprendre la dépendance des propriétés biomécaniques du BII en fonction de l'environnement de l'implant en couplant expérimentations et modélisation dans le cadre d’une approche multi-physique. UltraImplant se concentrera en particulier sur la caractérisation ultrasonore de l'évolution des propriétés du tissu osseux autour de l'implant au cours du processus de remodelage à l'aide de transducteurs multiéléments de pointe. Notre approche consiste à coupler des expériences multimodales avec de la simulation numérique afin de comprendre les paramètres déterminants des phénomènes d'ostéointégration. Ces développements permettront de concevoir des transducteurs multiéléments pouvant être utilisés pour de applications cliniques telles que les chirurgies implantaires orale et orthopédique.

Le projet PriSci vise à mettre en œuvre l’impression 3D de matériaux scintillateurs pour détecter les fluides radioactifs, un aspect essentiel pour améliorer la sécurité dans les applications nucléaires et médicales. Le principal défi est de répondre au besoin de détection en temps réel et in situ des fluides radioactifs, tels que des gaz comme 85Kr, 222Rn et 3H, qui sont difficiles à surveiller en raison de la courte longueur de pénétration des particules émises (bêta). Les méthodes de détection actuelles sont non seulement chronophages, mais génèrent des déchets radioactifs dangereux. Pour surmonter cela, le projet SciPri propose le développement de scintillateurs à porosité hierarchique utilisant l'impression 3D. Ces scintillateurs seront composés de silicates d’yttrium dopés au cérium, reconnus pour leur rendement lumineux élevé et leur temps de réponse rapide. L'objectif est de fabriquer des monolithes inorganiques poreux et translucides permettant une interaction optimale entre le scintillateur et les particules radioactives. Ces monolithes combineront macro- et méso-porosité, améliorant l'efficacité de détection et permettant de nouvelles méthodes métrologiques pour la détection des gaz radioactifs. Trois principales tâches de recherche sont décrites : 1/ La production de templates de monolithes en silice poreuse utilisant des techniques innovantes d'impression 3D. 2/ La cristallisation de ces monolithes en silicates d’yttrium dopés cérium et l'évaluation de leurs propriétés de scintillation. 3/ Le test de leur capacité à détecter des gaz radioactifs, avec pour objectif ultime de créer une nouvelle norme pour ce type de détection. En introduisant une fabrication additive avancée et des encres à base de nanomatériaux novateurs, ce projet présente un potentiel pour un large éventail d'applications, allant des centrales nucléaires aux radiopharmaceutiques et à l'imagerie médicale.

Dans le secteur nucléaire, assurer l'intégrité des composants soudés, soumis à des contraintes de service ou des aléas techniques, est un enjeu majeur. Ainsi, la fiabilité de ces composants est déterminée par des méthodes de contrôles non destructifs (CND), permettant de localiser et de dimensionner un large éventail de défauts. Ces méthodes apportent des informations essentielles sur l’aspect, l’orientation et la position de ces défauts, constituant, un ensemble d'outils essentiels. Dans ce contexte, le contrôle régulier par ultrasons (UT) demeure une méthode incontournable pour l'évaluation des soudures, mais reste complexe à réaliser pour les aciers inoxydables austénitiques. Sur ces matériaux, les soudures, constituées de nombreuses passes, présentent une microstructure, hétérogène et anisotrope, formée de longs grains développés par épitaxie. Des phénomènes délétères lui sont associés tels la déviation et la divergence du faisceau ultrasonore ou son atténuation progressive. La prédiction de ces phénomènes avec des outils de modélisation dédiés est, ainsi, essentielle pour conduire et optimiser les méthodes CND. Parmi ces outils, CIVA (CEA LIST) et A3D-CND (EDF R&D) permettent de simuler la propagation des ondes ultrasonores dans ces soudures. Cependant, ils nécessitent une connaissance fine de la microstructure et de sa variabilité induite par les propriétés des matériaux, les paramètres procédés ou les pratiques propres aux soudeurs. Dans ce cadre, ATALANTE se propose de développer des microstructures virtuelles sur des pièces soudées de grandes épaisseurs pour simuler cette propagation ultrasonore et améliorer les outils CND, en relevant les défis suivants : 1) caractériser la formation des structures des grains et leur variabilité, pour des soudures industrielles à nombre élevé de passes, 2) faire progresser la connaissance de l'impact des microstructures sur la propagation des ondes UT et 3) maximiser l'efficacité des outils d'inspection CND par l’utilisation d’outils de simulations UT. Plus largement, ATALANTE vise à développer l’exploitation industrielle des matériaux virtuels, notamment dans les approches CND. Le partenariat de ATALANTE se partage entre expérimentation, modélisation et valorisation, et porte sur l'alliage inox 316L de par son importance dans les applications visées. Des expériences seront menées pour étudier l'effet de la gravité sur la forme des cordons et l'évolution microstructurale pour un nombre élevé de passes et dans les conditions de dépôt du nucléaire (ICB). Par la suite, des essais de soudage instrumentés, couvrant divers procédés, seront développés pour analyser cette stratégie de dépôt. En parallèle, le procédé de soudage sera modélisé par une approche multi-physique et multi-échelle (CEMEF) basée sur un couplage Automate Cellulaire – Eléments Finis (CAFE) et validée sur la base des expériences conduites. Des microstructures virtuelles fines, apportant une description précise des soudures, seront produites sur des pièces épaisses. Des outils de Machine Learning seront également mis en œuvre pour exploiter ces données et améliorer la prédiction microstructurale en soudage. Des simulations de la propagation ultrasonore seront entreprises avec les logiciels CIVA et A3D-CND par le CEA LIST et EDF R&D, à partir de ces matériaux virtuels, analysant l’effet de la microstructure, et son impact sur l'efficacité des outils CND, afin d’améliorer ces derniers. La dépendance avec les conditions de dépôt sera étudiée, définissant les situations problématiques. Les développements du CEMEF seront enrichis et stabilisés par TRANSVALOR et introduits dans le logiciel TRANSWELD, accompagnés d’outils facilitant l'utilisation des microstructures virtuelles dans les outils CND, pour diffuser les résultats du projet. ATALANTE représentera ainsi une avancée technologique indéniable dans le contrôle des pièces soudées et la fiabilité des méthodes CND en réponse aux besoins actuels de l'industrie nucléaire.

Le Projet Proteus vise à exploiter les dernières avancées en intelligence artificielle (IA) pour faire progresser la manipulation robotique assistée par IA d’objets délicats et déformables, avec une application phare dans la manipulation de fruits et légumes en logistique et automatisation agroalimentaire. Le projet intègre la simulation, des modèles hybrides d’IA, l’apprentissage multimodal de la robotique et la conception optimisée de préhenseurs, afin de développer un système robotique polyvalent capable de manipuler des objets fragiles et déformables avec précision, adaptabilité et efficacité. Pour atteindre ces objectifs, Proteus réunit trois partenaires de pointe aux expertises complémentaires en IA, simulation et manipulation robotique dextre, et s’articule autour de quatre axes principaux : (1) une simulation avancée assistée par IA, modélisant les propriétés physiques des fruits, légumes et interactions tactiles pour créer des environnements d’apprentissage réalistes pour la robotique ; (2) une conception optimisée de préhenseurs hybrides assistés par IA, permettant une saisie délicate et adaptative ; (3) un contrôle multimodal basé d’une part sur des instructions en langage naturel avec des motifs de design, et d’autre part la perception vision et tactile, exploitant des modèles de vision-langage de pointe pour permettre une interaction intuitive entre l’humain et le robot ; et (4) l’intégration et la démonstration en conditions réelles, validant les technologies développées à travers des jalons progressifs, depuis la manipulation robotique de base jusqu’à une gestion autonome des fruits et légumes. Les résultats attendus incluent une plateforme de simulation robotique générative dynamique, des modèles de fondation IA spécialisé pour le toucher, une méthodologie de synthèse par l’IA d’architectures de préhenseurs robotiques pluridigitaux dextres dont le design est orienté par la tâche, ainsi que des jeux de données de référence, contribuant aux avancées scientifiques et aux applications industrielles, e.g., logistique agroalimentaire, agriculture intelligente, automatisation de la manipulation d’objets fragiles.

L’instrumentation est un besoin fondamental de l’industrie face aux révolutions numérique et écologique. Elle conditionne la sécurité, l’automatisation et l’efficacité des procédés les plus complexes. Myriad4Sensing apporte une réponse de rupture : des capteurs à fibre optique robustes, insensibles aux radiations et aux perturbations électromagnétiques, capables de mesurer simultanément des centaines de points avec une précision inédite dans les environnements les plus hostiles. Notre technologie s’adapte à des domaines variés : suivi de la concentration d’hydrogène en zones ATEX pour la production par électrolyse, ou pilotage de procédés plasma grâce à la mesure fine de profils thermiques en conditions extrêmes. Nous mettons en place notre première ligne de production, capable de fournir 200 000 points de mesure par an, afin de répondre à un marché d’instrumentation en forte croissance. Myriad4Sensing s’appuie sur 15 ans de recherche et 7 brevets issus du CEA List et de l’Université de Lille. Elle bénéficie également du soutien d’incubateurs d’excellence tels qu’Evolen’UP et LuminEdge. Avec l’appui de l’i-Lab, notre ambition est de devenir un acteur européen de référence dans la mesure optique pour environnements extrêmes.

Identity theft is rapidly expanding, causing substantial financial loss to millions of people all around the world. This invisible crime is also widespread across EU countries, where a growing number of citizens is targeted by sophisticated fraudulent attacks each year, both offline and online. 56% of Europeans have experienced at least one type of fraud in the last two years. European security officials speak of an “epidemic” created by a spike in demand from asylum-seekers and from terrorists carrying counterfeit documents to enter the EU. Security documents are increasingly being counterfeited or tampered with by criminals to facilitate transnational crime. The continued vulnerability of different types of identity and travel documents makes it extremely difficult to combat this problem. SafeTravellers value proposition aims at a) strengthening the security at the borders, b) improving the productivity of the Border Authorities and LEAs by providing them with the appropriate tools to combat identity fraud at the hardware, identity and travel document, and biometrics level, while c) offering a frictionless border crossing experience for EU/TCN citizens as they will not have to stop at the border checkpoints. SafeTravellers is both proposing a new way of citizen identification based on multiple biometrics instead of the problematic identity document, as well as an enhancement of the current way of identity verification at the borders through a set of tools that will detect attacks at the biometric hardware, identity and travel document fraud and attempts to falsify biometrics. The proposed solution is GDPR compliant and introduces various privacy-preserving mechanisms to safeguard the citizens' rights. Through the distributed European Multi-Biometric Data Space offered by SafeTravellers, each Member State will keep in its jurisdiction the personal data of its country nationals while allowing cross-border identity checks without transferring or revealing any biometric data.