Optimisation des bioprocédés de valorisation des déchets pour une économie circulaire : vers un compostage rapide et intelligent assisté par IoT et intelligence artificielle

Résumé

La gestion durable des déchets organiques constitue un enjeu majeur dans le contexte actuel de transition écologique et d’économie circulaire. Face aux limites des méthodes de compostage traditionnelles longues, peu contrôlées et énergivores, cette thèse propose une solution innovante : un système de compostage intelligent, automatisé et supervisé à distance, intégrant les technologies de l’Internet des Objets (IoT), l’intelligence artificielle (IA), avec une interface de supervision et du contrôle. Ce dispositif vise à accélérer le processus de compostage, améliorer la qualité du produit final, et renforcer ses effets biologiques, notamment en matière de lutte contre les pathogènes fongiques.
L’objectif principal est de concevoir, modéliser et valider un composteur intelligent capable de produire un compost mature, conforme aux standards agronomiques, en un temps réduit, tout en assurant une traçabilité complète des paramètres physico-chimiques et biologiques.
Le premier axe établit le cadre théorique du projet à travers une revue de littérature sur les déchets biodégradables, leurs impacts environnementaux, les méthodes de traitement, et les technologies émergentes (IA et IoT) pour l’optimisation du compostage. Il met en évidence l’intérêt des capteurs connectés et des algorithmes prédictifs pour améliorer la rapidité et la qualité du processus.
Le deuxième axe décrit la conception du composteur automatique selon la méthode du cycle en V. Le système intègre des capteurs pour mesurer la température, l’humidité et les gaz émis, pilotés par une carte ESP32. Il comprend des modules de brassage, chauffage et arrosage, alimentés par énergie solaire. Une interface web locale et une interface graphique assurent la supervision à distance. Un prototype de serre connectée a été développé pour tester la phytotoxicité du compost et son effet sur le stress salin en environnement contrôlé.
Le troisième axe propose une double approche d’optimisation :
Une approche classique basée sur une régression linéaire multiple qui a permis de définir la composition optimale du substrat (49 % eaux usées d’olive, 19.5 % grignon épuisé, 15.5 % fumier de volaille, 16 % déchets verts), aboutissant à un compost avec un C/N de 12.5, un pH de 7.5 et 44 % de matière organique.
Des modèles d’apprentissage profond (RNN, LSTM, GRU, CNN) utilisés pour prédire la durée de maturation dans notre contexte. Le modèle LITE-RNN a obtenu la meilleure précision (R² = 0.96), avec une prédiction de maturité en 44 heures.
Le dernier axe présente les résultats expérimentaux en laboratoire et sur le terrain. Des tests de germination en conditions salines ont montré une amélioration de la croissance des plantes (+23 % en serre). Des essais antifongiques contre Fusarium oxysporum ont révélé une inhibition significative avec les extraits de compost filtrés sous vide, en particulier pour le compost M1. Ces résultats confirment l’intérêt du compost comme agent de lutte biologique. Une étude économique et environnementale a été menée, et les perspectives d’industrialisation sont discutées dans le cadre des smart cities et fermes connectées.
En conclusion, le système proposé constitue une solution respectueuse de l’environnement, combinant automatisation, modélisation prédictive et supervision intelligente. Il surpasse les méthodes classiques par sa rapidité, sa précision et sa capacité à produire un compost de haute qualité, tout en intégrant des fonctionnalités avancées de lutte biologique. Ce travail ouvre la voie à un compostage autonome, durable et pleinement intégré aux systèmes agricoles du futur.