Projet OUSP : Optimisation d'Unités de Service Public // OPSU Project: Optimization of Public Service Units

L'accès aux services publics devient un problème croissant dans notre société. La réduction de
l'offre tout en maintenant un haut niveau de service est un défi majeur. Créée par la loi NOTRe,
France services est une structure qui combine accueil physique et accompagnement numérique, et qui regroupe en un même lieu plusieurs services publics. En septembre 2024, il en existe 2 840, où environ 7 000 conseillers sont à l'écoute des usagers. Les services proposés sont par exemple
ceux de La Poste, de l'Assurance Retraite, des Finances Publiques, de France Travail, etc. Ces
structures sont des réponses possibles au maintien de l'équité à l'accès des citoyens à ces différents ervices. Il est alors important de bien les positionner sur le territoire afin que chaque concitoyen soit à une distance « raisonnable » des services proposés. Cette localisation peut être soit fixe et utiliser des structures existantes (bureaux de poste, écoles), soit mobile et utiliser des véhicules spécialisés. Ces structures peuvent être étendues à ce que nous appellerons des « Unités de Service Public » (USP), incluant par exemple, l'enseignement de type regroupement de niveaux dans les écoles, souvent pratiqué dans les campagnes. Dans un souci de robustesse, il sera également prévu lorsqu'une unité fixée ne pourrait pas ouvrir (par exemple un manque d'agents à un moment donné) qu'une unité de secours vers laquelle réorienter les usagers toujours avec un moindre déplacement, soit décidée.
La première partie de ce sujet consiste en l'estimation des flux des demandes des concitoyens en
services. Les modèles de flux se basent sur les séries temporelles. L'étude des séries temporelles
consiste à analyser des données numériques mesurées à des intervalles réguliers dans le temps.
Cette méthode a été utilisée dans de nombreux domaines et depuis les années 60. De nos jours,
grâce à l'IA et aux techniques de Machine Learning, nous disposons de solutions pratiques et
hautement efficaces qui surpassent dans la plupart du temps les modèles traditionnels. Il existe un certain nombre de modèles dans la littérature ayant fait leur preuve sur l'estimation de l'avenir et répondant ainsi à « quels seront les besoins futurs en USP ». Les principaux modèles comme Long Short-Term Memory (LSTM) [1] et Prophet [2] seront utilisés et comparés, afin d'obtenir une
estimation du flux des demandes. Nous travaillerons à partir d'un ensemble de données issues de
bases publiques (data.gouv.fr) sur les informations se rapportant aux services étudiés afin d'en
déterminer les plus pertinentes pour notre problématique.
La seconde partie de ce sujet consiste à étudier l'optimisation de la localisation des USP sur un
territoire donné. L'objectif est de permettre à la population d'y accéder avec une certaine équité, et d'en augmenter l'attractivité sur certains critères comme la distance. Ce problème d'optimisation s'appuie sur une thématique de recherche que nous avons initiée au Laboratoire MIS et basé sur un problème central appelé problème des p-centres connu comme étant NP-difficile. Celui-ci vise à positionner p centres représentant des ressources disponibles, de manière à minimiser la distance maximale entre les points de demande et leur centre le plus proche [6]. La réalité du terrain nous oblige à considérer une nouvelle variante de ce problème, combinant des contraintes de capacité [3], des aspects de stratification [4] liés à la diversité des services ainsi que la gestion des pannes [5] correspondant aux USP de secours.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Access to public services is becoming a growing problem in our society. Reducing while maintaining a high level of service is a major challenge. Created by the NOTRe law, France services is a structure that combines physical reception and digital support, and brings together several public services in a single location. As of September 2024, there are 2,840 of them, where around 7,000 advisors are on hand to listen to users. The services on offer include La Poste, Assurance Retraite, Finances Publiques, France Travail, etc. These structures are possible responses to the need to maintain fair access for citizens to these different services. It is therefore important to position them correctly so that every citizen is within “reasonable” distance of the services on offer. This location can be either fixed, using existing structures (post offices, schools), or mobile, using specialized vehicles. These structures can be extended to what we'll call “Public Service Units” (PSUs), including, for example, clustered teaching in schools, often practiced in the countryside. For the sake of robustness, when a fixed unit is unable to open (e.g. due to a shortage of agents at a given time), it will also be possible to decide on a back-up unit to which users can be redirected, always with a minimum of travel.
The first part of this topic consists in estimating the flow of citizens' requests for services.
services. Flow models are based on time series. The study of time series involves analyzing numerical data measured at regular intervals over time. This method has been used in many fields since the 1960s. Nowadays, thanks to AI and Machine Learning techniques, we have practical and highly effective solutions that surpass traditional models in most cases. There are a number of models in the literature with a proven track record of estimating the future and thus answering the question “what will be the future PSU requirements”. The main models, such as Long Short-Term Memory (LSTM) [1] and Prophet [2], will be used and compared, in order to obtain an estimate of demand flow. We will work with a data set drawn from public databases public databases (data.gouv.fr) on information relating to the services studied, in order to relevant to our problem.
The second part of this topic consists of studying the optimization of USP location in a given territory. The aim is to enable the population to access them with a certain degree of equity, and to
increase their attractiveness on certain criteria, such as distance. This optimization problem
is based on a research theme we initiated at the MIS Laboratory, and is based on a central problem called the p-centers problem, known as NP-hard. It aims to position p centers representing available resources, so as to minimize the maximum distance between demand points and their nearest center [6]. The reality on the ground forces us to consider a new variant of this problem, combining capacity constraints [3], stratification aspects [4] linked to the diversity of services, as well as outage management [5] corresponding to backup USPs.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2025

Contrat doctoral

Concours pour un contrat doctoral

Université de Picardie - Jules Verne

585 Sciences, Technologie, Santé

Master 2 ou Ingénieur dans la spécialité informatique ou équivalent. La/le candidat(e) devra maitriser les techniques d'apprentissage automatique, ainsi que celles de la recherche opérationnelle (programmation linéaire, algorithme robuste). Elle ou il montrera des capacités de développement dans des langages informatiques comme le C/C++.
Master 2 or Engineer in computer science or equivalent. The candidate should be proficient in machine learning and operations research techniques (linear programming, robust algorithms). He/she will be able to develop in computer languages such as C/C++.