About the position
About the research centre or Inria department L’Inria est l’Institut national de recherche en sciences du numérique, dont le centre Inria d’Université Côte d’Azur fait partie. Avec une forte expertise en informatique et mathématiques appliquées, les projets de recherche du centre Inria d’Université Côte d’Azur touchent toutes les dimensions des sciences et technologies du numérique, et génèrent de l’innovation. Implanté principalement à Sophia Antipolis, mais également à Nice ou Montpellier, il regroupe 47 équipes de recherche et neuf services d’appui. Il est présent dans les domaines de l’intelligence artificielle, la science des données, la sécurité des systèmes informatiques, la robotique, l’ingénierie de réseaux, la prévention des risques naturels, la transition écologique, la biologie numérique, les neurosciences computationnelles, les données de santé… Le Centre Inria d’Université Côte d’Azur est un acteur majeur en termes d'excellence scientifique par les résultats obtenus et les collaborations tant au niveau européen qu'international. Context Dans le cadre du programme Inria Startup Studio, le projet HawQ-ai développe une infrastructure de simulation et de validation prédictive des systèmes de perception par intelligence artificielle. Ces systèmes sont aujourd'hui évalués sur des jeux de données standardisés, indépendamment des conditions physiques réelles dans lesquelles ils seront déployés : caractéristiques et configuration des capteurs, conditions d'illumination, occlusions, densité de scène. Il n'existe pas de cadre permettant de relier quantitativement ces conditions physiques aux performances opérationnelles observées. La plateforme développée par HawQ-ai répond à ce verrou en combinant reconstruction d'environnements photoréalistes, simulation paramétrique de capteurs, génération de données synthétiques contrôlées et évaluation de modèles de vision. La chaîne est déjà opérationnelle : il s'agit de l'étendre et de l'industrialiser, non de la construire. L'objectif du poste est de porter la chaîne graphique et de génération de données synthétiques de la plateforme, puis d'étendre son exploitation vers l'évaluation quantitative des modèles de vision et la formalisation de protocoles reproductibles de robustesse, plus particulièrement dans des contextes opérationnels sensibles (conditions dégradées, scénarios rares, scénarios adversariaux). Le poste couvre ainsi deux axes complémentaires : la production d'images physiquement fidèles d'une part, la mesure de ce que ces images révèlent du comportement des modèles d'autre part. Le cœur du poste est la chaîne graphique ; l'axe évaluation se construit progressivement, en lien avec les fondateurs du projet. Il offre un périmètre scientifique large, un accès direct à une plateforme déjà fonctionnelle et un impact immédiat sur la technologie cœur du projet. Des déplacements ponctuels sont à prévoir (partenaires académiques et industriels, campagnes de mesure). Les frais de déplacement seront pris en charge dans la limite du barème en vigueur. Assignment Missions Étendre et industrialiser la chaîne de génération de données synthétiques : rendu, matériaux, éclairage, agents et conditions de scène Développer les modèles de capteur et d'optique du simulateur (focale, exposition, réponse, distorsion) et intégrer les paramètres issus de la caractérisation de capteurs réels Produire les flux synthétiques annotés et garantir leur qualité, leur reproductibilité et leur traçabilité Concevoir les plans d'expérience reliant paramètres de déploiement, conditions de scène et performances des modèles de vision Développer les pipelines d'évaluation automatisée de modèles IA sur les flux générés et conduire les campagnes à grande échelle Définir les protocoles de robustesse : conditions dégradées, scénarios rares, scénarios adversariaux, résilience aux altérations de données d'entraînement Quantifier l'écart entre performances simulées et performances réelles, et identifier les mécanismes de calibration nécessaires Identifier les paramètres physiques dominants et construire une première brique d'estimation de performance Documenter les protocoles et restituer les résultats aux partenaires scientifiques et industriels Collaboration La personne recrutée travaillera en lien direct avec Abdelhadi Lammini (docteur en vision par ordinateur et jumeaux numériques), responsable de la plateforme de simulation, et Soumaya Boussaha (docteure en cybersécurité), en charge des problématiques de robustesse et de sécurité des systèmes manipulant des données sensibles. Elle interagira également avec les partenaires académiques du projet sur les volets modélisation et validation méthodologique. Responsabilités La personne recrutée a la charge de la chaîne de génération de la plateforme et de son exploitation expérimentale : qualité et fidélité des flux produits, définition des métriques, conception et exécution des campagnes, formalisation des protocoles. Elle prendra des initiatives pour améliorer la fidélité physique de la simulation et proposer des méthodes d'analyse exploitables en aide à la décision. Main activities Principales activités Développer et optimiser les composants de rendu et de simulation de capteurs de la plateforme Concevoir et générer les scénarios synthétiques annotés destinés à l'entraînement, au test et à l'évaluation de modèles de vision Mettre en œuvre les campagnes d'évaluation reliant paramètres physiques et performances des modèles IA Concevoir des protocoles expérimentaux reproductibles, incluant l'évaluation de robustesse en conditions dégradées et adversariales Analyser les résultats expérimentaux et produire les indicateurs de performance associés Activités complémentaires Rédiger la documentation technique et les rapports scientifiques du projet Contribuer aux publications et aux livrables scientifiques Présenter l'avancement des travaux aux partenaires académiques et industriels Skills Compétences techniques et niveau requis Diplôme d'ingénieur, master recherche ou doctorat en informatique graphique, vision par ordinateur ou domaine connexe 3 ans d'expérience minimum (thèse incluse) en informatique graphique Solide connaissance des pipelines de rendu, shaders, éclairage et modèles de caméra et d'optique Maîtrise du C++ ou du C# Python pour l'outillage et l'expérimentation Approche agnostique du moteur : les fondamentaux graphiques priment sur l'expérience d'un moteur spécifique Familiarité avec l'évaluation de modèles de vision (détection, suivi) et un framework d'apprentissage profond, ou volonté avérée de monter en compétence sur cet axe Méthodologie expérimentale : définition de métriques, pipelines reproductibles, gestion de campagnes à grande échelle Langues Français ou anglais courant — l'anglais scientifique écrit et oral est indispensable Compétences relationnelles Autonomie et capacité à structurer son propre travail dans un contexte de projet en construction Goût du travail en équipe restreinte et pluridisciplinaire Clarté de restitution à l'écrit comme à l'oral, auprès d'interlocuteurs scientifiques et industriels Compétences additionnelles appréciées Cybersécurité de l'IA, apprentissage adversarial ou robustesse des modèles de vision Perturbations physiquement réalisables et résilience aux altérations de données d'entraînement (data poisoning) Chaînes d'acquisition d'image : optique, capteur, traitement embarqué et leur influence sur le comportement des modèles Reconstruction 3D et représentations neuronales de scènes Problématiques d'écart simulation / réel et de calibration Sensibilité aux exigences émergentes d'évaluation et de documentation des systèmes d'IA (AI Act)
This listing was collected from a public source and is reproduced here for
information only. Always confirm the details on the original posting before applying.
View the original posting