Chaque réaction chimique doit être optimisée avant son industrialisation. L’objectif de cette optimisation est de trouver, en réalisant des expériences, les paramètres réactionnels (e.g. température, concentration, pression) qui mini- misent ou maximisent un objectif (e.g. rendement, sélectivité). La conduction de ces expériences nécessite une grande quantité de connaissances expertes. Malgré cela, il n’est raisonnablement pas possible d’établir une forme analytique des relations entre les paramètres réactionnels et les objectifs. Nous parlons donc de l’optimisation d’une boîte-noire.

La réalisation d’expériences peut s’avérer coûteuse en termes matériels, temporels ou simplement économiques. Motivés par les contraintes écologiques et économiques qui s’imposent à l’industrie,  les travaux décrits dans cette thèse s’inscrivent dans un paradigme particulier, à savoir, l’optimisation d’une boîte-noire avec le minimum d’évaluations possibles.

Récemment, l’optimisation Bayésienne s’est établie comme la méthode de référence pour l’optimisation de boîte-noire chère à évaluer. Toutefois, il existe de nombreuses variantes au problème d’optimisation de réaction classique. Nous traitons un cas particulier où, les paramètres réactionnels sont de types différents. Nous nous intéressons aux variables continues comme le choix de la température de réaction et aux variables catégorielles comme le choix de la base ou du solvant. Ces dernières variables, discrètes et non-ordonnées, sont par leur nature non-numérique difficiles à traiter.

Ainsi, plusieurs directions ont été approfondies durant cette thèse : 

• La simulation de réaction et de formulation avec des paramètres continus et catégoriels. 
• L'optimisation de ces simulations.
• La création de fonctions synthétiques inspirées des travaux présents dans la littérature. 
• L'analyse du respect de l'équilibre exploitation / exploration par notre méthode d'optimisation
• L'amélioration de la partie modélisation de notre méthode d'optimisation.