RECYclage des Boues EXcavées dans des Blocs de Béton Biofibré "RECYBEX – 3B"

Que faire des m³ de matériaux excavés générés par le creusement des ouvrages ? Leur valorisation est un challenge technique et environnemental. Notre objectif est de proposer des solutions alternatives dans une démarche d’économie circulaire. RECYclage des Boues EXcavées dans des Blocs de Béton Biofibrés, vise à valoriser 100% des boues excavées des travaux du GPE. L’objectif est de fabriquer des blocs (et/ou de plaques) de béton bio-fibré destinés à la réalisation de murs tout en permettant une isolation thermique. Le comportement thermo-hydro-mécanique de l’élément « bloc/plaque » sera étudié. Par ailleurs, les produits doivent répondre aux exigences de la réglementation incendie. Le choix d’élaborer des blocs/plaques pour des structures verticales doit satisfaire aux enjeux de l’économie circulaire et économique.

Les travaux débuteront par la caractérisation des propriétés d’entrée des matériaux. Les résultats obtenus permettront d’alimenter la base de données en intégrnt la variabilité des caractéristiques pétrographiques, physico-chimiques et géométriques des boues excavées et des matériaux d’addition (stabilisants, fibres végétales et tannin). Les différentes formulations des bétons bio-fibrés de boue seront caractérisés et les résultats alimenteront le programme d’apprentissage mis en place. Des essais seront conduits sur les produits afin de vérifier qu’ils satisfassent les normes en vigueur. Les produits incorporant la boue d’excavation les plus performants sont mis en œuvre à l’échelle d’un mur.

Les performances des éléments construits seront testées en laboratoire. Un système d’auscultation est déployé. En parallèle, les murs sont modélisés numériquement en utilisant en entrée les propriétés des matériaux

L’approche performancielle des éléments structuraux réalisés, les diagnostics et l’étude de l’impact environnemental des solutions proposées permettront leur industrialisation

L'étudiant devra avoir un master recherche orienté matériaux et/ou mécanique et/ou génie civil. De solides connaissances sur l’analyse de données et les traitements statistiques (Machine Learning), ainsi qu’un intérêt pour l’analyse bibliographique et la simulation. Le candidat devra faire preuve d'autonomie, de rigueur et d'un bon niveau d'anglais