Thèse
Jeudi 6 Novembre 2025 à 14h00.
Identification et traitement avancé des spectres d’émission : Application à l’imagerie élémentaire LIBS (Laser-Induced Breakdown Spectroscopy)
Clément NOEL
Salle Fontannes, Darwin D
Invité(e) par
Vincent MOTTO-ROS
présentera en 2 heures :
''
Directeur de thèse / thesis director :
Vincent MOTTO-ROS
Membres du jury / jury members :
Charles-Philippe LIENEMANN, Ingénieur de recherche, Institut Français du Pétrole et des Énergies Nouvelles, Rapporteur,
Jörg HERMANN, Professeur des universités, Université Aix-Marseille, Rapporteur,
Cécile FABRE, Professeure des universités, Université de Lorraine, Examinatrice,
Sandrine GALTIER, Maitre de conférence, Université Claude-Bernard Lyon 1, Examinatrice,
Bruno BOUSQUET, Professeur des universités, Université de Bordeaux, Examinateur,
Gérard PANCZER, Professeur des universités, Université Claude-Bernard Lyon 1, Examinateur,
Lucie SANCEY, Directrice de recherche, Université Grenoble Alpes, Présidente
Résumé / Abstract :
La spectroscopie de plasma induite par laser (LIBS, Laser-Induced Breakdown Spectroscopy) est une méthode d’analyse élémentaire reposant sur la génération d’un plasma par ablation laser et l’étude du rayonnement émis par ce plasma. Grâce à sa sensibilité, sa polyvalence et sa capacité à réaliser des mesures dans l’air ambiant, la LIBS connaît un essor rapide, notamment dans sa déclinaison en mode imagerie, permettant une cartographie 2D des concentrations élémentaires à l’échelle micrométrique. L’un des défis majeurs actuels est de rendre cette technique accessible à d’autres communautés scientifiques (géologie, médecine, environnement), tout en assurant la fiabilité des résultats produits. Un autre défi consiste à automatiser l’analyse des spectres, car les jeux de données deviennent de plus en plus volumineux. Pour ce faire, plusieurs verrous doivent être levés, tels que la complexité du traitement des données spectrales, la quantification des éléments et l’automatisation de l’identification des raies d’émission. Une brève comparaison avec d’autres disciplines spectroscopiques permet de mieux cerner les spécificités et les limites des approches actuelles en LIBS. Dans d’autres domaines de la spectroscopie, comme la spectroscopie d’émission optique (OES) ou la spectrométrie de masse, plusieurs approches semi-automatiques ou entièrement automatisées ont été développées pour l’identification des raies spectrales. Ces méthodes s’appuient généralement sur des bases de données bien référencées et sur des critères simples, comme la position des raies ou leur intensité relative, souvent suffisants dans des contextes maîtrisés ou peu complexes. En LIBS, bien que certains outils tentent de transposer ces approches, leur efficacité reste limitée. En effet, les spectres LIBS se distinguent par leur forte densité en raies, leur variabilité d’intensité liée à des effets de matrice ou d’auto-absorption, ainsi que la grande variété possible d’échantillons, et donc de composition, en imagerie. Ces particularités rendent les méthodes classiques trop peu robustes pour une identification fiable et automatisée, en particulier dans des contextes complexes ou sans connaissance a priori de l’échantillon analysé. Face à la complexité croissante des spectres LIBS et au besoin d’autonomie pour des utilisateurs non spécialistes, une nouvelle méthodologie nommée ALIAS (Automated Line Identification for Atomic Spectroscopy) a été développée dans le cadre de cette thèse. ALIAS vise à automatiser l’identification des raies spectrales sur un spectre moyen, obtenu à partir de données d’imagerie, en combinant plusieurs méthodes issues de la littérature (similarité cosinus, corrélation, filtrage spectral, etc.) avec de nouvelles méthodes spécifiques aux défis posés par la LIBS. La méthode a été conçue pour fonctionner sur des spectres complexes, couvrant de larges gammes dynamiques et spectrales, sans information préalable sur la composition de l’échantillon. ALIAS constitue ainsi, à notre connaissance, l’une des premières méthodologies conçues spécifiquement pour l’identification automatique dans le contexte exigeant de la LIBS. La robustesse de cette méthodologie a été évaluée sur des cas simples, comme un échantillon de référence, puis sur des cas complexes issus de travaux publiés par l’équipe, incluant des matériaux géologiques, de construction et environnementaux. Les résultats montrent qu’ALIAS est capable de fournir une identification fiable, y compris dans des contextes où les méthodes existantes échouent ou nécessitent une expertise poussée. La méthode se présente ainsi comme un outil prometteur pour accompagner la démocratisation de la LIBS dans des domaines variés, et comme un socle méthodologique en vue d’intégrer des techniques d’intelligence artificielle pour le traitement automatisé des spectres dans un futur proche.
''