Thèse soutenue

Nouvelles méthodologies pour la caractérisation des particules, des huiles complexes et des tensioactifs : relations entre structures chimiques, propriétés physicochimiques et propriétés applicatives

FR  |  
EN
Auteur / Autrice : Lucie Delforce
Direction : Jean-Marie AubryVéronique Nardello-Rataj
Type : Thèse de doctorat
Discipline(s) : Chimie organique, minérale, industrielle
Date : Soutenance le 18/11/2022
Etablissement(s) : Université de Lille (2022-....)
Ecole(s) doctorale(s) : École doctorale Sciences de la matière, du rayonnement et de l'environnement (Lille ; 1992-....)
Partenaire(s) de recherche : Laboratoire : UCCS - Unité de Catalyse et Chimie du Solide
Jury : Président / Présidente : Patrick Saulnier
Examinateurs / Examinatrices : François Bouton, Jesús Fermín Ontiveros
Rapporteur / Rapporteuse : Patrick Saulnier, Cécile Pagnoux

Résumé

FR  |  
EN

Les objectifs de la thèse sont multiples et s'inscrivent dans le cadre de la mise en place d'une nouvelle plateforme technologique HT-SMART-FORMU dédiée à la formulation. L'accent est mis sur le développement de méthodes expérimentales fiables et d'outils théoriques et prédictifs, afin d'établir des relations entre la composition chimique, les propriétés physicochimiques et les propriétés applicatives.Les dispersions de particules sont le premier type de systèmes étudiés. Leur stabilité a longtemps été abordée par la théorie DLVO, mais des études plus récentes suggèrent l'utilisation des Paramètres de Solubilité de Hansen pour décrire leur stabilité en milieu non aqueux. Dans le premier chapitre, une méthode analytique systématique basée sur la mesure du potentiel zêta et le suivi de la stabilité par diffusion de la lumière permet de déduire une complémentarité des deux théories pour décrire la stabilité des dispersions de TiO2 en solvants non aqueux.La problématique de la prédiction de l'hydrophobie des huiles par la modélisation d'EACN, qui est un paramètre clé pour concevoir des systèmes dispersés tensioactif/huile/eau (SOW), est abordée dans le deuxième chapitre. Deux modèles mathématiques, conçus à l'aide de méthodes de machine-learning, sont proposés pour la prédiction rapide de l'EACN des huiles, à savoir les réseaux de neurones (NN) et les machines graphiques (GM). Alors que le modèle GM est implémenté à partir des codes SMILES, le modèle NN est alimenté par des descripteurs σ-moments calculés avec le logiciel COSMOtherm. La fiabilité des prédictions des deux modèles est discutée sur la base d'un ensemble de test de 10 molécules complexes.Dans les chapitres 3 et 4, l'étendue des propriétés applicatives d'un tensioactif non ionique à base de glycérol (C12Gly2) est étudiée. Le chapitre 3 se porte sur son agrégation en solution aqueuse et la formation de cristaux liquides (CL) à faible concentration, en comparaison avec les alcools gras polyéthoxylés et les alkyl polyglucosides. L'influence de ses propriétés physico-chimiques, en particulier la viscoélasticité de dilatation de l'interface air/eau, est mise en relation avec la faible moussabilité et la stabilité de mousse durable observées.Enfin, les propriétés du C12Gly2 en systèmes SOW sont étudiées dans le chapitre 4. La déviation hydrophile-lipophile normalisé (HLDN), un outil théorique puissant, est considéré comme un moyen de rationaliser les caractéristiques des émulsions et des microémulsions. Ainsi, une quantification approfondie de l'amphiphilie des tensioactifs, de leur sensibilité à la température et de leur tolérance au sel est présentée. L'utilisation du C12Gly2 comme émulsifiant H/E et E/H est ensuite étudiée : la granulométrie et la stabilité des émulsions obtenues en faisant varier l'huile concordent avec les valeurs du HLDN. Un minimum est observé à HLDN = 0, puis la granulométrie et la stabilité augmentent pour des valeurs de HLDN négatives et positives.