A la croisée des disciplines
Doctorant en troisième année au CEA-Leti, Youssof Fassi incarne une nouvelle génération d'ingénieurs capables de conjuguer maîtrise des systèmes physiques et intelligence artificielle. Diplômé en mécatronique de l'INSA Lyon, il complète son parcours par un second diplôme en ingénierie aérospatiale au Georgia Institute of Technology, aux États-Unis. Fort de ce double bagage, il choisit de rejoindre le CEA-Leti pour une thèse consacrée à la maintenance prédictive. Son fil conducteur : l'optimisation des systèmes par le machine learning, en croisant données et connaissances physiques.
Ses recherches l'ont déjà conduit à produire deux travaux distincts, tous deux remarqués par la communauté scientifique et industrielle. Présentés lors des grandes conférences internationales APEC et PCIM, ils lui ont chacun valu un prix de la meilleure présentation.
« Etant les plus grandes conférences industrielles du domaine, c'est une vraie chance de partager ses travaux avec la communauté, de faire des rencontres et de créer des synergies », souligne-t-il.
L'intelligence artificielle au service de la maintenance prédictive
L'approche développée par Youssof repose sur une idée clé : combiner les données collectées sur le système avec les connaissances physiques qui le décrivent. Cette méthode hybride, qu'il explore dans deux axes de recherche complémentaires, ouvre de nouvelles perspectives pour la maintenance prédictive.
Son premier travail propose une avancée inédite dans le domaine de l'électronique de puissance : utiliser les ultrasons pour caractériser le comportement des convertisseurs de puissance.
« Il s'agit d'une technique totalement non invasive et sans contact » décrit-il, « ce qui permet de déterminer le rendement du système sans perturber son fonctionnement ». Les expérimentations et développements algorithmiques menés au CEA-Leti ont abouti au dépôt d'un brevet, soulignant le caractère novateur de cette approche.
Son second axe de recherche s'inscrit dans une collaboration avec l'Université d'Aalborg, au Danemark, dans le cadre du projet européen TEAMING (e-powerTrain prEdictive mAintenance using physics inforMed learnING)*. Durant un séjour de six mois, Youssof s'est consacré à la mise au point d'algorithmes de maintenance prédictive appliqués aux onduleurs triphasés, éléments centraux reliant la batterie et le moteur des véhicules électriques. Son objectif : réduire au maximum les besoins en capteurs, en puissance de calcul et en acquisition de données, tout en maintenant une détection fiable des dégradations. Le résultat est une solution légère, robuste et peu intrusive, capable de suivre l'évolution des onduleurs dans le temps avec un minimum de ressources matérielles et logicielles.
Pour un suivi en temps réel, à distance, sans contrainte
Dans les deux cas, les applications industrielles des recherches de Youssof visent le suivi en temps réel d'une flotte de convertisseurs de puissance.
« Ce genre d'approche est l'idéal surtout pour des contextes de travail difficile, comme les installations off-shore où il est complexe et coûteux d'intervenir », explique-t-il. Elle permet en effet de réduire les besoins en instrumentation dédiée, grâce à une solution de monitoring à distance, non intrusive et sans interférence avec le fonctionnement du système.
Ces avancées répondent à des enjeux majeurs pour les réseaux intelligents et la mobilité électrique, en offrant la possibilité de suivre l'évolution des convertisseurs de puissance sur le long terme. À terme, elles permettraient de détecter précocement les signes de dégradation tout en limitant les besoins en matériel supplémentaire et en ressources de calcul.