L'objectif principal de cette thèse est de concevoir et développer un système intelligent de ventilation (HVAC) pour véhicules, capable de réguler dynamiquement les flux d'air dans l'habitacle en fonction des niveaux de pollution mesurés en temps réel, aussi bien à l'intérieur qu'à l'extérieur du véhicule. Ce système visera à améliorer le confort et la santé des occupants en garantissant une qualité d'air optimale dans des conditions de circulation variables. Pour cela, le projet repose sur l'intégration de capteurs dynamiques capables de détecter en continu les concentrations de polluants gazeux (NO2, CO2, COV) et particulaires (PM1, PM2.5, PM10), et de transmettre ces données à un algorithme de contrôle adaptatif. Celui-ci aura pour fonction d'analyser les niveaux de pollution et de piloter automatiquement les volets de ventilation ainsi que les systèmes de filtration, en fonction de critères définis (seuils sanitaires, tendances temporelles, préférences utilisateur, etc.). Les principales tâches consistent donc à : - Optimiser le choix du capteur en termes de capacité de mesure dynamique sous flux d'air - Étudier la dynamique des polluants en interaction avec les parois du véhicule et optimiser le positionnement des capteurs au sein du véhicule pour une mesure fiable et rapide via des simulations numériques de l'écoulement multiphasique (CFD) - Développer le pilotage automatique des volets de ventilation par un algorithme de contrôle adaptatif - Étudier les systèmes de filtration dans la plateforme expérimentale Bulle de l'Estaca Profil : - Le candidat idéal est titulaire d'un diplôme d'ingénieur ou d'un Master 2 en mécanique des fluides, énergétique ou aérodynamique, avec une forte appétence pour les approches numériques et ayant eu au moins une expérience en étude expérimentale. - Une bonne maîtrise des outils de simulation CFD (Ansys Fluent, OpenFOAM ). - Des compétences en électronique embarquée, acquisition de données et traitement du signal (LabVIEW, Arduino/Raspberry Pi, Python). - Une familiarité avec les modèles de régulation et/ou les techniques d'apprentissage automatique est un atout supplémentaire. Maitrise des essais expérimentaux (environnement contrôlé et tests embarqués sur véhicule) et des modélisations numériques des écoulements multiphasiques (CFD, optimisation), dans un cadre interdisciplinaire mêlant mécanique des fluides, électronique embarquée, capteurs, et data science.