Thèse Sismicité Locale et Imagerie Crustale du Massif Central H/F - Doctorat_Gouv

Établissement : Université de Toulouse
École doctorale : SDU2E - Sciences de l'Univers, de l'Environnement et de l'Espace
Laboratoire de recherche : GET - Geosciences Environnement Toulouse
Direction de la thèse : Sébastien CHEVROT ORCID 0000000265082524
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-06-01T23:59:59

MACIV est un projet de recherche collaboratif mené par les universités de Grenoble, Toulouse et Clermont-Ferrand. Son objectif principal est d'obtenir de nouvelles connaissances sur l'origine du volcanisme du Massif Central grâce à l'imagerie des structures lithosphériques profondes et en particulier des systèmes volcaniques, de la surface jusqu'à la zone de transition du manteau (~400 km). Ce projet «instrumental» financé par l'ANR s'appuie sur plusieurs déploiements de capteurs sismologiques à différentes échelles, échelonnés entre 2023 et 2027 (Aubert et al., 2025).

Le Massif Central est caractérisé par une sismicité modérée, dont le comportement spatio-temporel très disparate a été décrit dans quelques publications déjà anciennes à l'échelle de l'ensemble du massif (Dorel et al., 1995; Battaglia et Douchain, 2017) ou, plus récemment, centrées sur la crise du Mont-Dore en 2021-2022 (Boudoire et al., 2025, et Gailler et al., 2025). Les premières études citées se sont heurtées à des incertitudes de localisation importante en raison de la faible densité de stations sismologiques à l'époque où elles ont été conduites.

L'analyse des données de l'expérience MACIV (Figure 1) avec des outils modernes basés sur l'IA devrait permettre d'améliorer notre connaissance et notre compréhension de la sismicité de ce territoire de façon très significative. Par exemple, l'amélioration des précisions de localisation permettra une meilleure cartographie des failles actives, ainsi que la caractérisation fine des clusters de sismicité tels que ceux du Combrailles, d'Ambert ou de Saint-Flour évoqués dans les études historiques. Dans la continuité d'un stage de M2 en cours, une attention particulière sera portée aux foyers de séismes de type DLP (Deep Long Period) d'origine volcanique révélés par les premières analyses de données MACIV (Shapiro et al., 2025).

Le second objectif de la thèse portera sur l'imagerie crustale du Massif Central par tomographie locale de temps de trajet. Bien que des travaux de tomographie aient déjà été réalisés à l'échelle lithosphérique il y a une trentaine d'années (Granet et al., 1995), aucune étude n'a été menée sur la structure crustale, en raison d'une densité insuffisante des dispositifs d'observation. Grâce à ses déploiements imbriqués (nappe 2D, profils linéaires, nappe dense de courte durée; Figure 1), le projet MACIV aura produit d'ici la fin de l'année 2026 toutes les données nécessaires à une tomographie crustale basée sur les temps de trajet des ondes P et S produits par les séismes locaux du Massif Central, avec une résolution particulièrement fine sous les régions volcaniques à l'activité la plus récente (chaîne des Puys, région Mont-Dore/Pavin/Montcineyre). Outre la structure crustale globale du massif, nous espérons pouvoir également imager la plomberie volcanique, probablement caractérisée par des contrastes de vitesses sismiques importants, qu'elle soit fossile ou qu'elle contienne des magmas récents. Cette tomographie basée sur la sismicité recueillie dans la première partie de la thèse, permettra en outre une relocalisation en 3D des foyers sismiques ce qui devrait contribuer à raffiner leur localisation et à caractériser les structures actives sous le Massif Central.

Cette thèse s'inscrit dans le cadre de la valorisation des données de l'expérinece MACIV, qui a mobilisé l'intégralité du parc sismologique mobile français de 2023 à 2026

Catalogue de sismicité du Massif Central, modéle crustal 3D

Détection et localisation de la sismicité, tomographie locale de temps de trajet

Nous recherchons un géophysicien avec un formation solide en sciences de la terre. Le candidat devra également avoir des compétences en programmation python et en traitement du signal.