THESE - WENGER

Nom: 
WENGER
Prénom: 
Arthur
Date d'inscription: 
2026
Titre de la thèse: 
Système de recommandation associé à un jumeau numérique pour accompagner des travaux pratiques hybrides
Résumé en français: 

Cette thèse porte sur l'hybridation des travaux pratiques (TP) dans l'enseignement supérieur. Face à la massification des effectifs dans les écoles d'ingénieurs, notre objectif consiste à introduire une phase de préparation à distance aux TP afin de faciliter l'acquisition de savoir-faire techniques sur des équipements industriels complexes et coûteux.

Pour répondre à cet enjeu, nous mobilisons la technologie des jumeaux numériques afin de concevoir des environnements simulés représentant fidèlement les conditions réelles d'expérimentation. La contribution centrale de ce travail réside dans le couplage de ces jumeaux numériques à un système de recommandation pour guider l'apprenant tout au long de son travail préparatoire. Ce dispositif s'appuie sur l'analyse de traces d'apprentissage pour produire des recommandations contextualisées en fonction des actions réalisées sur le jumeau numérique.

Ce travail s’inscrit dans le cadre du projet CAP3R, soutenu par le plan France 2030 au titre de l’AMI « Compétences et Métiers d’Avenir ».

Projet CAP3R de l'IMT Nord Europe : https://recherche.imt-nord-europe.fr/actualites/imt-nord-europe-sengage-...
AMI CMA France 2030 : https://www.info.gouv.fr/organisation/secretariat-general-pour-l-investi...

Abstract in english: 

This PhD investigates hybrid lab sessions in higher education. In response to rising student enrollment in engineering programs, we aim to introduce a remote preparation phase to support the acquisition of practical skills required to operate complex and costly industrial equipment.

To address this challenge, this research leverages digital twin technology to develop high-fidelity simulated environments that closely replicate real experimental conditions. Our contribution relies on coupling these digital twins with a recommender system to support learners throughout their preparatory work. By analyzing learning traces, the system delivers context-aware recommendations tailored to learners’ actions within the digital environment.

This work is carried out within the CAP3R project, supported by France 2030 under the “Skills and Jobs of the Future” (AMI Compétences et Métiers d’Avenir) initiative.

Université de rattachement: 
IMT Nord Europe
Laboratoire de rattachement: 
Directeur de thèse: 

Anthony Fleury et Mylène Lagardère

Premier coencadrant: 

Mathieu Vermeulen

Second coencadrant: 

Alexis Lebis

Cifre: 
Non

Dernière mise à jour : 27 janvier, 2026 - 19:03