Cette thèse propose un cadre méthodologique pour concevoir, paramétrer et optimiser une chaîne d’approvisionnement vaccinale à l’échelle nationale. Le travail combine la construction d’une base de données décisionnelle (démographie, maillage administratif, infrastructures, contraintes de chaîne du froid, coûts et facteurs environnementaux) et la formulation d’un modèle multi-échelons représentant les flux d’importation, de stockage, de distribution et d’administration.Le cas d’étude s’appuie sur la campagne de vaccination menée en France et se concentre sur des vaccins à technologie mRNA afin de comparer des exigences logistiques distinctes. La demande est structurée par groupes de priorité et comportements d’acceptation, puis spatialisée pour refléter la répartition de la population. Les paramètres logistiques (capacités, distances, conditionnement), économiques (investissements, opérations, transport, approvisionnement) et environnementaux (réfrigération, emballages, déplacements) sont intégrés de manière cohérente.Après une validation à grande échelle, le modèle montre la capacité à équilibrer couverture, coûts, contraintes opérationnelles et impacts climatiques. La thèse étend ensuite l’analyse à une optimisation multi-objectif, mettant en évidence des compromis entre dépenses, émissions, délais de service et performance sanitaire. Elle propose des pistes d’action telles que l’ajustement du mix vaccinal, le renforcement des capacités locales et l’amélioration des schémas de distribution.Les contributions majeures sont : i) une démarche reproductible de préparation de données pour la planification vaccinale, ii) un modèle calibré et résoluble pour des réseaux nationaux, iii) une analyse des arbitrages permettant d’éclairer des décisions publiques robustes et durables.
Jonathan Cuevas lopez (Fri,) studied this question.