• Rapporteurs :
  Anna Sperotto, Professeure, University of Twente
  Marco Anisetti, Professeur, Università degli Studi di Milano
• Examinateurs :
  Bernardetta Addis, Professeure, Université de Lorraine
  Julien Francq, Chercheur, Naval Group
• Directrice de thèse :
  Isabelle Chrisment, Professeure, Université de Lorraine
• Co-directeur de thèse :
  Abdelkader Lahmadi, Professeur, Université de Lorraine

Résumé vulgarisé :
Les infrastructures numériques deviennent de plus en plus complexes, et leur évolution s’accompagne d’une augmentation des vulnérabilités exploitables par des cyberattaquants. Toutefois, toutes les vulnérabilités ne présentent pas le même niveau de risque : une faiblesse peut devenir critique lorsqu’elle permet de compromettre des composants essentiels d’un système en réseau.
Cette thèse étudie comment l’intelligence artificielle, et plus particulièrement l’apprentissage par renforcement, peut contribuer à comprendre et anticiper les stratégies d’attaque dans les réseaux et applications déployés. Elle propose des environnements de simulation réalistes et des méthodes d’apprentissage évolutives permettant d’identifier les chemins d’attaque critiques. Ces derniers permettent de prioriser les vulnérabilités selon leur impact contextuel plutôt que leur seule sévérité. La thèse présente enfin des mécanismes permettant l’intégration de ces résultats dans des contextes opérationnels.

Digital infrastructures are becoming increasingly complex, and their evolution is accompanied by a growing number of vulnerabilities exploitable by cyber attackers. However, not all vulnerabilities present the same level of risk: a weakness can become critical when it enables the compromise of essential components within a networked system.
This thesis investigates how artificial intelligence, and more specifically reinforcement learning, can contribute to understanding and anticipating attack strategies in deployed networks and applications. The work introduces realistic simulation environments and scalable learning methods to identify critical attack paths. These paths enable vulnerability prioritization based on their contextual impact rather than their severity alone. Finally, the thesis presents mechanisms for integrating these results into operational contexts.