Cette thèse a pour objectif le développement de méthodes numériques innovantes pour la conception optimale de forme en aérodynamique et plus généralement pour les problèmes d’optimisation multicritère ou multidisciplinaire dans un contexte aéronautique. La première partie est consacrée à l’amélioration de l’efficacité des algorithmes d’optimisation de forme en matière de convergence. Dans un premier volet, on a développé des algorithmes d’optimisation multi niveaux qui, à l’instar des méthodes multigrilles particulièrement performantes en convergence itérative, s’appuient sur une hiérarchie de paramétrisation par régularisation. Par des simulations d’écoulements tridimensionnels autour de géométries de voilures d’avions, on a résolu des problèmes de réduction de traînée en transsonique et de réduction de critère de cruit en supersonique et montré que les algorithmes multi nivaux auto-adaptatifs permettaient de réduire le coût du calcul d’environ un ordre de grandeur. La deuxième partie est consacrée au traitement d’un problème d’optimisation concourante où le concepteur aérodynamique interagit avec le concepteur structural, parallèlement dans un jeu symétrique de Nash, ou hiérarchiquement dans un jeu de Stackelberg. On a proposé et expérimenté avec succès des algorithmes de calcul d’équilibre pour cette optimisation couplée aéro-structurale dans une situation où le critère aérodynamique est prépondérant.

Ces travaux de recherche concernent l'optimisation multidisciplinaire déployée lors de la conception de systèmes complexes. Ils sont tout particulièrement centrés sur la conception avion. À ce stade de la conception les incertitudes engendrées sont significatives. De nouvelles méthodes efficaces de modélisation et de propagation des incertitudes sont donc proposées afin de concevoir un système fiable et robuste. Elles font appel à des techniques de modélisation adaptatives, à des algorithmes d'optimisation classiques et à des techniques basées sur l'intelligence artificielle (systèmes multi-agent).

L'optimisation multi-disciplinaire propose des solutions aux problèmes de conception de systèmes complexes. Le terme « optimisation multi-disciplinaire » laisse sous-entendre à tort qu'il ne s'agit que d'un problème d'optimisation. Nous lui préférons ici le terme de « conception collaborative ». En effet, l'optimisation ne représente qu'un aspect, qui ne peut être séparée du reste du problème de conception. Le but n'est pas de créer un processus automatique, mais de faciliter les échanges entre les équipes des différentes disciplines. De nombreuses méthodes, appelées communément formulations MDO (de Multi-Disciplinary Optimization), apparaissent dans la littérature (MDF, IDF, AAO, BLISS, CO). Elles proposent des stratégies permettant, d'une part, d'assurer la cohérence de la description du système complexe et, d'autre part, d'effectuer la recherche de la configuration optimale. Dans un premier temps, nous dressons un état de l'art des formulations MDO. Nous mettons en avant leurs points communs et leurs différences, afin de proposer une implémentation de la manière la plus générale qui soit. Nous proposons, avec la méthode DIVE (Discipline Interaction Variable Elimination), un cadre d'utilisation de méta-modèles au sein des formulations MDO. Le méta-modèle peut se limiter à une approximation linéaire ou quadratique. Il peut s'appuyer sur des méthodes classiques d'apprentissage, telles que les réseaux neuronaux, le Krigeage ou la SVM. Chaque méta-modèle est accompagné d'une région de confiance qui en détermine la validité. Cette approche par approximations locales et successives permet d'aborder les problèmes de grande dimension. Nous présentons des résultats obtenus avec deux cas-tests d'avions d'affaires supersoniques obtenus sous deux environnements différents (Scilab et ModelCenter).

Repackaged with a new afterword, this "valuable and entertaining" (New York Times Book Review) book explores how scientists are adapting nature's best ideas to solve tough 21st century problems. Biomimicry is rapidly transforming life on earth. Biomimics study nature's most successful ideas over the past 3.5 million years, and adapt them for human use. The results are revolutionizing how materials are invented and how we compute, heal ourselves, repair the environment, and feed the world. Janine Benyus takes readers into the lab and in the field with maverick thinkers as they: discover miracle drugs by watching what chimps eat when they're sick; learn how to create by watching spiders weave fibers; harness energy by examining how a leaf converts sunlight into fuel in trillionths of a second; and many more examples. Composed of stories of vision and invention, personalities and pipe dreams, Biomimicry is must reading for anyone interested in the shape of our future.