TwinLoop : Mobiliser l’intelligence artificielle et les jumeaux numériques pour sécuriser les plastiques recyclés

Dans un contexte de montée en puissance du recyclage des plastiques, la maîtrise de la qualité des matières recyclées destinées aux emballages au contact des aliments constitue un enjeu majeur. C’est dans cette perspective que s’inscrit TwinLoop, un projet collaboratif de recherche et d’innovation financé par l’ANR, dont l’ambition est de développer des méthodes d’assurance qualité robustes, rapides et opérationnelles pour les plastiques recyclés destinés aux applications en contact alimentaire.

Les procédés de recyclage doivent composer avec des flux de matières très variables, aussi bien à l’entrée qu’à la sortie des installations. Cette variabilité peut influencer l’efficacité des traitements et, à terme, la capacité des matériaux recyclés à répondre aux exigences des usages visés, notamment en matière de sécurité sanitaire. TwinLoop s’attaque directement à cette difficulté en explorant des solutions capables d’accompagner le pilotage des procédés de recyclage au plus près des réalités industrielles.

L’objectif de TwinLoop est clair : mettre au point des méthodes d’évaluation rapide de la qualité sanitaire des matières recyclées, avec à terme une intégration possible directement sur les lignes industrielles. En amont, ces outils pourraient permettre d’identifier précocement des flux de matières présentant des écarts de qualité incompatibles avec certains usages. En aval, ils pourraient contribuer à surveiller le bon fonctionnement des procédés et la constance de la qualité des matériaux produits.

Pour répondre à ces enjeux, le projet s’appuie sur l’analyse d’empreintes chimiques globales obtenues à partir d’un grand nombre de matières issues du recyclage. Ces données sont ensuite croisées avec des critères de sécurité sanitaire afin d’entraîner des modèles d’intelligence artificielle. L’enjeu n’est pas d’identifier systématiquement chaque substance individuellement, mais plutôt de repérer rapidement des profils atypiques, des signaux inhabituels ou des niveaux d’alerte nécessitant une attention particulière. Cette approche vise ainsi à accélérer la détection de situations potentiellement problématiques pour certains usages, tout en restant compatible avec les contraintes industrielles.

Dans TwinLoop, les jumeaux numériques constituent le cadre méthodologique permettant d’intégrer les données issues des capteurs, des analyses chimiques et des modèles d’IA. Ils ont vocation à relier les données analytiques au fonctionnement des procédés et aux scénarios d’usage, afin de structurer de futurs outils d’aide à la décision pour les acteurs de la filière. Cette articulation entre données, modélisation et procédés est au cœur de la stratégie du projet.

TwinLoop s’appuie sur l’étude de matériaux représentatifs des pratiques actuelles de la filière, couvrant différents stades de la chaîne du recyclage. Cette approche “terrain” est essentielle pour développer des outils réellement transposables, utiles aux industriels et pertinents pour accompagner la transition vers une économie circulaire des plastiques à la fois plus performante et plus sûre. La note de communication souligne également que le projet entre dans une phase où la mobilisation des acteurs et la contribution d’échantillons constituent un levier important pour consolider la base de données et les travaux en cours.

Les acteurs de la filière intéressés par les enjeux scientifiques et industriels abordés dans TwinLoop peuvent prendre contact avec l’équipe du projet :

• Sandra Domenek – sandra.domenek@agroparistech.fr
• Phuong-Mai Nguyen – phuong-mai.nguyen@lne.fr
• Pauline Rieu – pauline.rieu@agroparistech.fr