Soutenance de thèse de ROEMERS DE OLIVEIRA Eduardo

Résumé de la thèse

Les systèmes lacustres constituent des analogues de réservoir essentiels pour la province du Pré-sel brésilien, car leur hétérogénéité de faciès et leur complexité stratigraphique posent des défis persistants pour la modélisation des réservoirs. Les affleurements analogues jouent un rôle clé dans ce contexte, car ils complètent le gap de données entre l'échelle sismique régionale et l'information ponctuelle issue des forages. Les approches de terrain traditionnelles, bien qu'indispensables, restent limitées par l'accessibilité, la subjectivité dans la classification des faciès et la difficulté de transposer les observations dans des modèles tridimensionnels. Cette thèse vise à surmonter ces limites en proposant et en testant un workflow avec des méthodes multiple structurées principalement autour de la stratigraphie séquentielle à haute résolution et la modélisation numériques d'affleurement obtenus par photogrammétrie. Ce processus intègre les données de terrain et de laboratoire au sein d'outils numériques, garantissant que les observations stratigraphiques, sédimentologiques et pétrographiques restent solidement ancrées dans la pratique géoscientifique. Les méthodes numériques employées incluent les Local Binary Patterns, les réseaux de neurones convolutionnels et l'imagerie hyperspectrale, qui ajoutent un niveau de détail quantitatif aux approches de base.
Les recherches ont porté sur deux systèmes lacustres : la Barre du Cengle (Paléocène, France) et la Séquence Balbuena III (Maastrichtien-Danien, bassin de Salta, Argentine). Ces cas d'études, aux contextes géologiques différents, ont permis d'évaluer la robustesse et la complémentarité des approches méthodologiques. L'application de la stratigraphie séquentielle à haute résolution soutenue par des modèles numériques d'affleurements de la Barre du Cengle a produit des cadres stratigraphiques détaillés, mettant en évidence le potentiel de l'analyse d'affleurements à haute résolution pour identifier les séquences de dépôt et les motifs d'empilement. L'approche a ensuite été étendue au Bassin de Salta, où la photogrammétrie a permis d'obtenir des modèles à résolution centimétrique à millimétrique, utilisés comme base pour des analyses avancées. Les classifications texturales par Local Binary Patterns ont révélé des motifs cohérents avec les interprétations stratigraphiques, tandis que les réseaux de neurones convolutionnels ont généré des nuages de points 3D classifiés par lithofaciès, démontrant une capacité de généralisation entre affleurements. Les données hyperspectrales permettent d'obtenir des informations sur la composition minéralogique des faciès à partir du comportement spectral. Dans l'ensemble, ces méthodes se révèlent complémentaires et leur intégration renforce le cadre géologique en fournissant une base plus solide pour l'interprétation stratigraphique, l'analyse sédimentologique, la reconnaissance des faciès et l'identification des corps géologiques.
L'apport scientifique de cette thèse réside dans son caractère intégrateur, unissant les observations traditionnelles de terrain et de laboratoire à des approches numériques afin de produire à la fois des analyses qualitatives fondées sur des preuves géologiques et des résultats quantitatifs reproductibles et transférables aux études de réservoir. Combiner les approches stratigraphiques, géométriques, texturales, spectrales et issues de l'apprentissage profond améliore l'efficacité de l'acquisition et de l'interprétation des données, tout en faisant progresser la caractérisation des affleurements analogues de réservoir. Ce travail fournit ainsi une base méthodologique solide pour de futures applications dans la province du Pré-sel brésilien, où la prise en compte de l'hétérogénéité, de la distribution des faciès et de l'architecture stratigraphique est essentielle à la modélisation réaliste des réservoirs.