IA et optimisation intégrée des chaînes omnicanales sous incertitude et durabilité urbaine.

Ce sujet de thèse s’inscrit pleinement dans les axes de recherche du laboratoire DISP, à l’interface entre aide à la décision, optimisation des systèmes complexes, intelligence artificielle et performance durable des organisations. Il mobilise des méthodes avancées d’optimisation sous incertitude, d’apprentissage automatique et de simulation pour concevoir des réseaux logistiques omnicanaux plus résilients et plus performants. Les problématiques abordées, intégration des décisions stratégiques, tactiques et opérationnelles, prise en compte des comportements de demande, gestion des stocks, tarification dynamique et contraintes environnementales. Il répond directement aux enjeux actuels de transformation numérique et de durabilité des chaînes logistiques. La thèse contribuera également au développement de modèles décisionnels explicables et déployables à grande échelle, en cohérence avec l’ambition du DISP de produire des recherches à fort impact scientifique et socio-économique. Enfin, l’intégration des dimensions urbaines et environnementales renforcera les travaux du laboratoire sur la transition écologique des systèmes de production, de distribution et de services.

Mots-clés : Logistique omnicanale,Logistique urbaine,Conception de réseau logistique,Gestion des stocks,Tarification dynamique,Optimisation stochastique