Contrat doctoral

Description du Poste
Sujet De Thèse Contexte et Problématique Les infrastructures de télécommunication (réseaux d'accès fixes, mobiles, et réseaux de collecte) constituent des éléments critiques du fonctionnement socio-économique moderne. Or, comme le soulignait l'ARCEP dans sa note sur la résilience des réseaux [6], ces infrastructures matérielles sont fortement exposées aux effets directs et indirects du changement climatique. Les événements météorologiques extrêmes (canicules, tempêtes, inondations, feux de forêt) ainsi que les évolutions tendancielles à long terme (hausse des températures moyennes, montée des eaux) dégradent la qualité de service, augmentent le taux de panne et risquent de fragiliser les zones isolées [1, 2].
Si les premiers travaux scientifiques et études exploratoires menés conjointement par les équipes SigNet et Coati permettent d'établir des corrélations empiriques entre météo et incidents de réseau à petite échelle, plusieurs verrous scientifiques majeurs subsistent pour généraliser ces approches à l'échelle nationale et prédictive :1. Hétérogénéité et granularité spatio-temporelle des données : croiser des séries temporelles complexes (métriques météo, sondes passives/actives RIPE Atlas, déclarations d'incidents ARCEP/opérateurs, topologie physique des réseaux) demande de traiter des données bruitées, incomplètes et asynchrones. 2. Causalité vs Correlation : différencier les pannes dues directement aux facteurs climatiques de celles causées par des défaillances en cascade (ex. coupure du réseau électrique, saturation du trafic lors de crises). 3. Incertitude prospective : anticiper la vulnérabilité des futures générations des réseaux (5G standalone, 6G, densification de la fibre) sous différents scénarios climatiques du GIEC à l'horizon 2030-2050. Objectifs Scientifiques de la Thèse L'objectif de cette thèse est de construire une méthodologie systématique, automatisée et fondée sur les données pour évaluer, prédire et améliorer la résilience des réseaux de télécommunication face aux aléas climatiques. Les travaux s'articuleront autour des axes suivants :1. Agrégation, couplage et cartographie avancée des données
- Extension à l'ensemble du territoire français de l'analyse croisée entre les séries temporelles météorologiques (Météo France / Copernicus), les données de pannes (ARCEP) et la qualité d'accès fixe/mobile (RIPE Atlas, données participatives).
- Développement de métriques standardisées pour mesurer l'indice de vulnérabilité météo-climatique d'un équipement ou d'un nœud réseau. 2.
Modélisation explicative pour la détection de causalité
- Conception de modèles statistiques capables de distinguer les causes premières d'un incident et d'identifier la propagation des pannes en cascade (ex. impact d'une canicule sur les systèmes de refroidissement des antennes-relais ou des NRO).
- Prise en compte de la dépendance croisée avec d'autres infrastructures d'importance vitale (notamment le réseau de distribution d'électricité ENEDIS/RTE). 3. Inférence prospective et stratégies d'optimisation de la résilience
- Simulation du comportement du réseau sous différents scénarios d'extrêmes climatiques futurs (projections GIEC / Météo France).
- Proposition de stratégies de redéploiement, de durcissement matériel (hardening) ou de routage dynamique d'urgence pour minimiser le risque de déconnexion globale lors d'événements extrêmes. Verrous Scientifiques et Apports Attendus - Changement d'échelle et automatisation : passer d'une analyse exploratoire locale (échelle départementale) à un pipeline de traitement automatique de flux de données massives à l'échelle nationale.
- Résilience systémique : proposer un cadre théorique unifié intégrant la physique de l'infrastructure (exposition matérielle) et le comportement dynamique des flux de données.
- Aide à la décision publique et industrielle : fournir un outil d'évaluation du risque utilisable par les régulateurs (ARCEP, ANSSI) et les opérateurs (Orange, SFR, Bouygues Telecom, Free, Axione) pour orienter les investissements de durcissement du réseau.

Profil Recherché
du/de la Candidat(e) - Master 2 ou École d'Ingénieur en Informatique, Data Science ou Télécommunications.
- Solides compétences en analyse de données, apprentissage automatique (Machine Learning / Deep Learning) et séries temporelles.
- Bonnes connaissances en réseaux de télécommunications et protocoles Internet.
- Goût prononcé pour les problématiques interdisciplinaires (informatique, réseaux, climat, environnement). Références Bibliographiques [1] Padmanabhan, R., et al. "Residential links under the weather." Proc. of ACM SIGCOMM, 2019. [2] Durairajan, R., Barford, C., &