La modélisation multiphysique est un outil puissant pour l'analyse des réacteurs nucléaires, mais la propagation des incertitudes entre les physiques est souvent négligée car complexe. Cette thèse propose des approches innovantes pour améliorer la modélisation multiphysique en prenant en compte ces incertitudes. L'objectif principal est de proposer des approches de modélisation optimales adaptées à diverses exigences de précision. Cette recherche répond à des attentes fortes de la part des chercheurs etdes professionnels de l'industrie qui souhaitent utiliser des modèles multiphysiques.
La thèse évaluera d’abord diverses techniques de propagation d'incertitude applicables aux simulations multiphysiques. Cela implique d'explorer la modélisation par substitution à travers des avenues telles que la modélisation d'ordre réduit et l'expansion du chaos polynomial. L'intention est d'identifier et de classer les paramètres d'entrée ayant l'impact le plus significatif sur les sorties du système, indépendamment de leur domaine physique. Ensuite, la propagation de l'incertitude sera effectuée en utilisant deux types de modélisation de base : un modèle « haute fidélité » basé sur les outils de simulation de référence du CEA et un modèle de « meilleure estimation » qui intègre la finalité 'industrielle' des calculs. Les similitudes et les différences entre ces approches seront analysées pour mettre en évidence la propagation des biais du modèle dans les cas considérés.
Ces évaluations de l'incertitude, en utilisant les méthodes décrites, seront testées sur un ensemble étendu d’expériences effectuées dans le réacteur SEFOR, un réacteur rapide refroidi au sodium qui offre une ressource précieuse pour valider les modèles multiphysiques.