Ce travail de thèse présente le développement d'une approche novatrice pour le tri et la caractérisation des composants électroniques dans le cadre du recyclage des déchets d'équipements électriques et électroniques (DEEE). En intégrant des techniques avancées de vision industrielle, de spectroscopie par absorption des rayons-X multi-energies et d’apprentissage machine, cette étude propose un procédé de tri global et précis. Cette étude démontre l'efficacité du tri optique basé sur la vision industrielle, couplée à des algorithmes de tri tels que les réseaux de neurones convolutionnels (CNN). Cette combinaison permet de regrouper efficacement des composants électroniques similaires, facilitant ainsi leur recyclage. En complément du tri optique, afin de surmonter les limites de ce tri, la spectroscopie par absorption des rayons-X est introduite, offrant des informations cruciales sur la composition élémentaire des composants électroniques. L'intégration de toutes ces méthodes de tri dans un seul procédé, appuyée par la construction d’un prototype, démontre la pertinence de cette approche. Le procédé global offre la capacité non seulement de regrouper efficacement des composants électroniques similaires, mais également d'enrichir considérablement les flux finaux en éléments ciblés, permettant la récupération d'éléments jusqu'alors perdus à cause de leur faible concentration dans les DEEE. Cette étude ouvre les portes à une application industrielle à grande échelle du procédé qui permet de rendre économiquement viable le recyclage de nombreux éléments d’intérêts. Et plus encore, cette approche est compatible avec les enjeux contemporains du recyclage des DEEE.

Sujet de thèse financé par le projet ANR : "REVIWEE" (ANR-22-PERE-0009) et le PEPR (Programmes et équipements prioritaires de recherche) Recyclage".