Déconstruction en temps réel de la biomasse lignocellulosique par microfluidique et modélisation prédictive

• Intitulé : Déconstruction en temps réel de la biomasse lignocellulosique par  microfluidique et modélisation prédictive 
• Durée : 36 mois à partir d'octobre 2026
• Clôture des candidatures : 15/04/2026

Contexte : La biomasse lignocellulosique (BL) constitue une ressource renouvelable stratégique de carbone, principalement composée de cellulose, d’hémicelluloses et de lignine. Bien que riche en polysaccharides fermentescibles, ces glucides sont étroitement intégrés dans une matrice lignifiée qui rend la BL fortement récalcitrante à la déconstruction par voie enzymatique.

Les procédés industriels actuels reposent sur des prétraitements physicochimiques sévères, énergivores, susceptibles de dégrader les sucres et de générer des sous-produits inhibiteurs. Le développement d’alternatives douces, peu énergétiques et compatibles avec les enzymes constitue donc un enjeu scientifique et technologique majeur pour les bioraffineries durables.

La microfluidique offre un contrôle sans précédent de la température, du pH, du temps de séjour et de l’hydrodynamique, tout en réduisant drastiquement la consommation de réactifs. Elle permet également un criblage à haut débit des conditions enzymatiques et un suivi temporel des phénomènes structuraux et cinétiques. Cependant, un verrou scientifique majeur subsiste : l’absence de corrélations quantitatives et résolues dans le temps entre l’évolution de la microstructure de la BL, les modifications chimiques et les cinétiques d’hydrolyse aux échelles cellulaire et tissulaire.

Objectifs de la thèse : 

• Développer une plateforme microfluidique intégrée pour le prétraitement doux et l’hydrolyse enzymatique de la biomasse lignocellulosique, incluant l’optimisation des stratégies de prétraitement et des cocktails enzymatiques ;
• Caractériser les mécanismes de déconstruction en couplant imagerie confocale et cinétiques de saccharification, et établir des corrélations quantitatives entre évolution structurale et performance d’hydrolyse ;
• Construire un jumeau numérique prédictif intégrant des descripteurs structuraux et cinétiques afin de modéliser la dynamique de conversion et identifier les étapes limitantes (outils MATLAB/Python).

Encadrement :

• Directrice de thèse : Giana ALMEIDA PERRE (giana.perre@agroparistech.fr) 
• Co-encadrant : Kevin LACHIN (kevin.lachin@agroparistech.fr)
• Co-encadrante : Aya ZOGHLAMI (aya.zoghlami@centralesupelec.fr) 
• Co-encadrant : Hassan EL ITAWI (hassan.el-itawi@centralesupelec.fr)

 Voir l'offre complète