Amélioration de la traçabilité des chaînes logistiques B2B à l'aide de la blockchain, de l'IoT et du Deep Learning

par Mohamed Ahmed Mohamed

Thèse de doctorat en Informatique

Soutenue le 27-10-2021

à l'Institut polytechnique de Paris , dans le cadre de École doctorale de l'Institut polytechnique de Paris , en partenariat avec SAMOVAR - Services répartis, Architectures, MOdélisation, Validation, Administration des Réseaux (laboratoire) , Télécom SudParis (France) (Etablissement opérateur d'inscription) , Institut Polytechnique de Paris / IP Paris (laboratoire) , Département Informatique / INF (laboratoire) et de Algorithmes, Composants, Modèles Et Services pour l'informatique répartie / ACMES-SAMOVAR (laboratoire) .

Le président du jury était Salima Benbernou.

Le jury était composé de Nazim Agoulmine, Manuele Kirsch Pinheiro.

Les rapporteurs étaient Nazim Agoulmine, Manuele Kirsch Pinheiro.


  • Résumé

    Les systèmes d’information des entreprises connaissent aujourd’hui une évolution rapide. Dans le contexte de la chaine logistique, cette évolution est marquée par l’introduction des nouvelles technologies comme l’Internet des Objets. Puisque la chaine logistique implique plusieurs intervenants, elle exige le partage des données entre les intervenants pour assurer la traçabilité des produits tout au long de la chaine logistique. Les systèmes de traçabilité traditionnels sont centralisés et ne garantissent pas le partage sécurisé des données et l’accord des intervenants sur les données partagées et leurs règles de traitement. Plusieurs travaux ont été proposés dans la littérature en utilisant la blockchain pour surmonter les problèmes susmentionnés. L’objectif principal de cette thèse est d’aller au-delà de l’état de l’art actuel et de proposer une architecture de traçabilité basée sur la blockchain et l’Internet des Objets et adaptée aux chaines logistiques B2B. Par ailleurs, la qualité des données de l’Internet des Objets est un frein au développement de ce type d’architecture de traçabilité. Pour surmonter ce problème, et assurer la confiance des intervenants dans les données collectées et faciliter l’automatisation du processus de collection des données de traçabilité, l’architecture proposée inclut un module de qualification des données de l’Internet des Objets. Ce module fournit aux intervenants des données de haute qualité et un contrôle et suivi fins de la qualité des données basés sur les exigences qualité des intervenants. De plus, l’Internet des Objets génère un volume important de données et pour assurer un traitement efficace et intelligent de cet important volume de données, l’architecture proposée est renforcée avec des capacités d’apprentissage en utilisant l’apprentissage renforcé. En outre, toutes les propositions de la thèse ont été évaluées et leurs évaluations montrent des résultats prometteurs pour le déploiement de l’architecture de traçabilité proposée dans la chaine logistique pour aider les intervenants dans leur lutte quotidienne pour la traçabilité.

  • Titre traduit

    Enhancing the traceability of B2B logistic chains using blockchain, IoT and Deep Learning


  • Résumé

    Nowadays, company information systems are witnessing a very fast evolution. In the logistic chain context, this fast evolution is characterized by the introduction of new technologies such as the Internet of Things. Since the logistic chain involves multiples stakeholders, it requires data sharing among all these stakeholders to ensure products traceability in the whole logistic chain. Traditional traceability systems are used by the stakeholders for traceability data sharing. However, these traditional systems are centralized and do not guarantee the secure sharing of data and the stakeholders agreement on the shared data and its processing rules. Many works have been proposed in the literature using blockchain to overcome the above issues. The main objective of this thesis is to go beyond the current state of the art and propose a blockchain-IoT based traceability architecture adapted to the B2B logistic chain context. In addition, the IoT data quality is a hindrance to the development of this kind of traceability architectures. To overcome this issue and ensure the stakeholders trust in the collected data and facilitate the automation of the traceability data collection process, the proposed architecture includes an IoT data qualification module providing the stakeholders with high data quality and fine data quality control and monitoring based on the stakeholders quality requirements. Moreover, the IoT generates a huge data volume and to ensure an efficient and intelligent data management of this huge data volume, the proposed architecture is boosted with learning capabilities using Deep Learning. Furthermore, all the thesis propositions have been evaluated and their evaluation shows promising results for the deployment of the proposed traceability architecture in the logistic chain to help the stakeholders in their traceability daily life struggle.


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse\u00a0?

  • Bibliothèque : Télécom SudParis et Institut Mines-Télécom Business School. Médiathèque.
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.