Kinematic and mechanical modelling of fracture networks at the rock mass scale

Les fractures sont des structures géologiques omniprésentes contrôlant les propriétés hydrauliques et mécaniques des roches. La modélisation numérique des réseaux de fractures constitue donc une étape indispensable pour la simulation du comportement physique des massifs fracturés, dans de nombreuses applications industrielles telles que le stockage de déchets nucléaires. Dans la plupart des cas, l'observation directe du volume fracturé n'est pas possible et les fractures ne peuvent être modélisées de manière déterministe. Les modèles stochastiques permettent de générer des réseaux en trois dimensions, statistiquement équivalents aux mesures et observations, mais négligeant les corrélations spatiales issues du processus chronologique de fracturation. D’autre part, les modèles purement mécaniques demandent des ressources numériques trop importantes pour modéliser des réseaux de telles densités. L’objectif de cette thèse repose sur le développement de modèles génétiques, permettant de modéliser des réseaux de fractures multi-échelles, denses, à partir de lois simplifiées issues de la mécanique de la fracturation. Le processus de fracturation peut ainsi être décomposé en trois étapes : nucléation, propagation, et arrêt des fractures. Dans ces travaux, nous montrons que l’organisation spatiale et les lois d’échelle des réseaux ainsi générés résultent de ces processus. Nous quantifions ces corrélations à l’aide d’outils mathématiques issus de la théorie fractale, et déterminons leur impact sur les propriétés de connectivité des réseaux générés. Enfin, une étude plus fine des propriétés mécaniques des fractures telle que la friction, ainsi que des conditions limites en contraintes à l’origine de leur développement, montre l’importance de leur intégration dans le processus de modélisation génétique.Fractures are ubiquitous geological structures controlling both flows and rock mechanical strength. Their impact is even bigger as they tend to organize themselves in a complex network, making it possible for a particle to find its way through the rock. Modelling the fracture network is thus a key prerequisite of forecasting modelling in many industrial applications such as nuclear deep waste disposal, among others. This geometrical representation of the fracture network can then serve as a basis for flow, transport, or mechanical simulations. In most of the cases, a direct observation of the fractured volume is not possible, and fractures cannot be modelled deterministically. Hence, the modelling must be stochastic, which consists of generating a 3D fractured medium statistically equivalent to measures and observations. Discrete Fracture Network modeling describes fractured rocks as a population of individual fracture surfaces, whose geometrical parameters are drawn from statistical probability distributions derived from observations. Unfortunately, these statistics are obtained from a very limited number of data, which is disproportionate to the fracture complexity. Fractures exist everywhere and at all scales and details in their spatial organization can play an important role in controlling flow and connectivity. But assessing and quantifying these spatial correlations from field data remains an issue for geologists. This can be partly tackled either by new high resolution data on imaging fractures, and/or by new genetic models of DFN able to replace the lack of field information by fracturing relevant rules. The latter approach is the main objective of this thesis