Théo Heitzmann soutiendra sa thèse intitulée "Prédiction explicable du vieillissement des batteries lithium-ion pour une prolongation intelligente de leur durée de vie dans le domaine de la mobilité électrique", le mercredi 26 novembre 2025 à 14h, dans l'amphithéâtre De Dietrich de l'INSA STRASBOURG.
Ce projet de thèse, cofinancé par l’ADEME et la Région Grand Est, a été mené au sein du laboratoire ICube, en collaboration avec les équipes SDC et EM3. Ce travail s’inscrit dans les recherches visant à améliorer la durabilité des systèmes de stockage électrochimique, avec pour objectif de développer des modèles d’apprentissage profond capables de prédire le vieillissement des batteries lithium-ion. Dans un contexte de dépendance à des ressources critiques, l’enjeu est de prolonger la durée de vie des batteries en évaluant leur état de santé à partir de la perte de capacité et de l’augmentation de la résistance interne. Les modèles proposés sont complétés par des méthodes d’explicabilité, permettant d’interpréter les prédictions et d’identifier les facteurs influençant la dégradation, afin d’optimiser l’usage, la sécurité et la gestion durable des batteries.
Schéma de la capacité d’une batterie
Composition du jury :
- Rapporteurs :
- Mme GARCIA Zaineb, Professeure, Université de Lille
- M. SARI Ali, Professeur, Université Claude Bernard Lyon 1
- Directeur de thèse :
- M. BONÉ Romuald, Professeur, INSA Strasbourg
- Co-directeur :
- M. MESBAHI Tedjani, Professeur, INSA Strasbourg
- Encadrant :
- M. SAMET Ahmed, Maître de conférences HDR, INSA Strasbourg
- Examinateurs :
- M. JABBOUR Saïd, Professeur, Université d’Artois
- M. RIESTEN Reiner, Professeur, Hochschule Karlsruhe
- Invité :
- M. LATIMIER Étienne, Ingénieur référent, ADEME
Résumé de la thèse :
Les batteries lithium-ion représentent un atout clé dans la transition énergétique, alimentant les véhicules électriques et permettant le stockage d’énergie stationnaire. Cependant, leur production dépend de matières premières critiques, qui sont des ressources limitées et de plus en plus rares. Pour pallier cette contrainte, il est essentiel de prolonger la durée de vie des batteries en limitant leur dégradation. Cela nécessite une compréhension approfondie des facteurs accélérant le vieillissement des batteries ainsi que des stratégies permettant d’optimiser leur utilisation. Dans ce contexte, la prédiction de l’état de santé (State of Health – SOH) des batteries devient un enjeu essentiel. Le SOH peut être évalué à partir de deux phénomènes principaux liés au vieillissement de la batterie : la perte de capacité et l’augmentation de la résistance interne. Cet indicateur permet alors d’anticiper les performances énergétiques de la batterie et les maintenances ainsi que d’optimiser l’utilisation des batteries et leur sécurité. Cette thèse se focalise sur la construction de modèles d’apprentissage profond de prédiction de la dégradation des batteries à partir de jeux de données sur leur vieillissement. Ces modèles sont rendus explicables grâce à des méthodes issues du domaine de l’explicabilité de l’IA. Les explications engendrées permettent d’interpréter les prédictions du modèle et d’identifier des indicateurs indirects de la dégradation de la batterie et des facteurs d’accélération de celle-ci.
La soutenance sera suivie d’un moment convivial pour échanger autour de ce travail de recherche et des perspectives qu’il ouvre pour la compréhension, la prédiction et l’optimisation du vieillissement des batteries lithium-ion.
Nous vous invitons à venir nombreux pour découvrir ces avancées prometteuses et soutenir Théo HEITZMANN lors de cette étape marquante de son parcours académique.