Ce travail s'inscrit dans le contexte du champ pétrolier Volve en mer du Nord (Norvège) et aborde le problème crucial de la prédiction et de l'optimisation de la productivité des puits pétroliers. Le secteur pétrolier étant stratégique, il est essentiel de développer des modèles robustes pour maximiser la production tout en minimisant les coûts et les impacts environnementaux. L'objectif central ici est de développer des modèles de prédiction robustes en utilisant des algorithmes de Machine Learning avancés. Plus précisément, il vise à démontrer la puissance du couplage du Deep Learning avec la simulation des écoulements de fluides. De plus, l'étude se penche sur l'élaboration de modèles mathématiques de prédiction à l'aide de la méthode des surfaces de réponse, tout en cherchant à optimiser les paramètres de la productivité des puits.