Archives

3 thèses à pourvoir en IA et télédétection (Vannes, France et Ispra, Italie)

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : IRISA Vannes (équipe OBELIX) et European Commissio
Durée : 36 mois
Contact : sebastien.lefevre@irisa.fr
Date limite de publication : 2026-04-30

Contexte :

Sujet :
Nous proposons trois thèses dans le domaine de la vision par ordinateur appliquée à l’observation de la terre avec des applications en soutien aux politiques européennes. Elles seront conduites au sein de l’équipe OBELIX de l’IRISA à Vannes (Bretagne), en partenariat avec le Centre de Recherche Commun de la Commission Européenne (Ispra, Italie), et le soutien du cluster IA SequoIA. Les thèses se dérouleront en Italie pour 2026 et 2027, et en France pour 2028, 2029.

1) Global multi-task learning for mapping and characterizing human settlements from EO data (lien pour plus d’infos et candidater: https://amethis.doctorat.org/amethis-client/prd/consulter/offre/2588)

2) Backcasting anthropogenic infrastructures over a century of historical EO data and maps (lien pour plus d’infos et candidater: https://amethis.doctorat.org/amethis-client/prd/consulter/offre/2591)

3) Explainable multimodal AI using geospatial data for rapid estimation of displacement and people in need in crises (lien pour plus d’infos et candidater: https://amethis.doctorat.org/amethis-client/prd/consulter/offre/2592)

Attention, des contraintes de nationalité sont imposées pour les trois sujets (plus de détails dans les descriptifs des sujets).

Date limite pour candidature: 15 janvier 2026 pour un démarrage à partir d’avril 2026.

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :
Ispra, Italie en 2026 et 2027
Vannes, France en 208 et 2029

Recrutement d’un MdC en IA et cybersécurité à Télécom Paris

Offre en lien avec l’Action/le Réseau : – — –/Innovation

Laboratoire/Entreprise : Télécom Paris – LTCI
Durée : CDI
Contact : sebastien.canard@telecom-paris.fr
Date limite de publication : 2026-04-30

Contexte :
Télécom Paris, centre international pluridisciplinaire de formation, recherche et innovation, est une référence dans le monde du numérique.
Dans un contexte fortement d’actualité, où l’essor simultané de l’intelligence artificielle (IA) et de la cybersécurité transforme profondément les systèmes numériques et crée un besoin croissant d’expertise à leur interface. L’IA est aujourd’hui à la fois un outil, une cible, une menace, et un levier de protection.
C’est pourquoi le département Informatique et Réseaux (INFRES) et plus particulièrement l’équipe Cybersécurité et Cryptographie (C2) a besoin de se renforcer grâce au recrutement d’un ou une maître.sse de conférence en IA et cybersécurité, capable de travailler dans ce domaine avec les nombreuses équipes de l’École telles que Systèmes embarqués critiques autonomes (ACES), Données, Intelligence et Graphes (DIG) à INFRES ou également Statistique, Signal et Apprentissage (S2A) à IDS, mais aussi avec d’autres équipes de l’Institut Polytechnique de Paris à l’École Polytechnique ou à Télécom SudParis. Ce recrutement vise à renforcer la formation et la recherche sur ces enjeux émergents, en intégrant des compétences transversales allant des techniques d’apprentissage automatique à la sécurité des systèmes et des données.

Sujet :
Les expertises attendues couvrent un spectre large mais cohérent situé au cœur des interactions entre intelligence artificielle et cybersécurité :
– la compréhension et la modélisation des attaques exploitant l’IA (techniques d’apprentissage génératif : phishing avancé, reconnaissance de vulnérabilités, génération de trafic ou de charges malveillantes)
– la conception et l’évaluation de méthodes d’IA pour la détection d’intrusions, l’analyse comportementale, la corrélation d’événements massifs, la détection d’anomalies, la classification de malwares, le traitement de flux distribués (edge computing, apprentissage fédéré)
– la sécurité intrinsèque de l’IA, notamment la robustesse des modèles (défense contre-attaques adversariales, résistance aux manipulations et aux corruptions de données), la protection des données utilisées pour l’entraînement ou l’inférence (confidentialité, anonymisation, préservation de la vie privée, techniques cryptographiques ou fédérées), la traçabilité et la confiance dans les modèles (certification, explicabilité, auditabilité), ainsi que la sécurité des chaînes d’apprentissage et des environnements d’exécution.

Profil du candidat :
Vos missions seront donc celles-ci :
– Recherche : les candidats et candidates pourront se positionner sur une ou plusieurs de ces dimensions, et une attention particulière sera portée à la capacité à articuler l’IA et la cybersécurité, avec des contributions théoriques, méthodologiques ou expérimentales permettant d’éclairer et de renforcer la sûreté, la robustesse et la résilience des systèmes numériques contemporains. Le poste s’adresse à la fois à des chercheurs et chercheuses en IA disposant d’une forte appétence pour la cybersécurité, et à des profils présentant une double compétence IA–cybersécurité, capables de contribuer au développement de travaux académiques de haut niveau dans ce domaine en pleine structuration.
– Enseignement : la future personne pourrait être amenée à intervenir dans les enseignements fondamentaux (algorithmique, structures de données, probabilités, statistiques, optimisation, programmation, réseaux, systèmes) qui constituent la base indispensable à la maîtrise des approches modernes en IA et en sécurité numérique. Parallèlement, l’ouverture récente d’un parcours dédié à l’IA et à la cybersécurité crée un besoin important d’expertise pédagogique sur l’apprentissage automatique, sécurité des réseaux et des systèmes, détection d’intrusions, sécurité et robustesse des modèles, protection des données, cryptographie appliquée, etc. Le ou la candidat·e recruté·e aura ainsi un rôle structurant dans la coordination et l’articulation des enseignements du domaine, en participant à la conception de nouveaux modules, en veillant à l’intégration harmonieuse des compétences IA et cybersécurité dans les cursus.
– Animation et participation à la notoriété de l’école et de l’institut Polytechnique de Paris : la personne participera à des séminaires, soutenances, etc, et développera des relations étroites avec les institutions académiques, les centres de recherche et les entreprises.

Formation et compétences requises :
Pour réussir dans ce rôle, vous devrez également disposer d’un doctorat et maîtriser l’anglais.

Adresse d’emploi :
Pour candidater : https://institutminestelecom.recruitee.com/o/enseignante-chercheuse-ou-enseignant-chercheur-en-ia-et-cybersecurite

Télécom Paris
19 place Marguerite Perey
91120 Palaiseau

Prochain webinaire SaD-2HN

Date : 2025-12-19
Lieu : En ligne

Bonjour à toutes et à tous,

(Avec toutes nos excuses en cas de réceptions multiples)

L’action de recherche SaD-2HN (Des Sources aux Données Historiques en Humanités numériques) du GDR CNRS MADICS propose un lieu d’échange pour l’ensemble des chercheur.e.s qui travaillent sur la nature complexe des données historiques (données temporelles incertaines, incomplètes, évolutives), leur lien avec les sources et leur analyse approfondie pour étudier le passé.

Nous avons le plaisir de vous annoncer la première partie d’un webinaire dédié à la discussion autour de travaux en lien avec ces thématiques. Ce cycle de présentations porte sur les données du Web et les SHS computationnelles. La deuxième séance se tiendra donc le vendredi 19 décembre, de 12h30 à 13h30, avec l’intervention suivante:

Les archives du Web. De la recherche à l’enseignement à la recherche. Comment faire émerger un nouvel objet d’enseignement ? par Benjamin Thierry – Sorbonne Université, UMR SIRICE, Initiative IRHIST (Renouveler l’Histoire des Sciences et des Techniques)

Le programme complet du webinaire et les résumés des interventions sont disponibles sur le site Web de l’action de recherche : https://sadhn-madics.github.io/webinaire-sad-2hn

Vous pourrez vous connecter au webinaire avec le lien suivant : https://marsha.education/my-contents/classroom/debc78e9-5977-4a03-8798-36a65a2f0acb/invite/MgiORiV3SHCv_mXckxYwHabV77F-t0SRaW-P9rH6LwY

Nous espérons vous retrouver nombreuses et nombreux pour cette présentation et les échanges qui suivront.

Bien à vous,

Nathalie Hernandez (IRIT, Université Toulouse Jean Jaures, UT2J)
Nathalie Abadie (LaSTIG, Université Gustave Eiffel, ENSG, IGN)
Bertrand Duménieu (CRH, École des Hautes Études en Sciences Sociales)
Sébastien Poublanc (FRAMESPA, Université Toulouse Jean Jaures, UT2J)

Lien direct

Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.

Deep Learning Models for Analysis of Satellite Images and Prediction of Natural Disaster Impacts

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : LIMOS
Durée : 5 mois
Contact : julien.ah-pine@sigma-clermont.fr
Date limite de publication : 2026-02-28

Contexte :
The internship is part of the DLISCES project (Deep Learning Images Satellites et Cartographie d’Indicateurs Économiques et Sociaux), supported by the International Research Center “Natural Disasters and Sustainable Development” (CIR4) of the ISite CAP 2025 in Clermont-Ferrand. The project falls under the “AI for Good” domain and conducts exploratory research aimed at providing maps of various indicators to more robustly assess the vulnerability of populations and territories exposed to climatic hazards (floods, landslides, cyclones, earthquakes, etc.). DLISCES is an interdisciplinary project involving researchers in artificial intelligence, economics, management, and mathematics. The selected candidate will join the LIMOS (Laboratoire d’Informatique, de Modélisation et d’Optimisation des Systèmes) and work closely with AI researchers and economists from CERDI (Centre d’études et de recherches sur le développement international). He or she will focus on leveraging state-of-the-art deep learning models and satellite images to evaluate the impact of natural disasters.

Sujet :
This internship aims to develop and apply deep learning (DL) models and resources for satellite images analysis in the goal of predicting natural disaster impacts. On one hand, the EM-DAT database contains data on the occurrence and impacts of over 27,000 mass disasters worldwide from 1900 to the present day. On the other hand, computer vision techniques utilizing DL enable efficient analysis of Earth Observation data acquired through
remote sensing technologies.

The goal of the internship is twofold :
1. Collect satellite images related to natural disaster events recorded in the EM-DAT database with geolocation provided by Geo-Disasters, from open-access platforms such as Copernicus and Google Earth Engine (GEE).
2. Study, apply, and fine-tune pre-trained DL models (foundation models for Earth Observation) to represent remote sensing information, aiming to predict natural disaster impacts as recorded in the EM-DAT database.

Particular attention will be paid to floods and the related dataset FLODIS, based on EM-DAT. This internship provides a valuable opportunity to work on impactful projects in the field of natural disaster risk management while gaining practical experience in deep learning and satellite image analysis. The opportunity to continue this work with a PhD project is currently under review.

Profil du candidat :
Current master student or recent graduate in Computer Science, AI, Data Science, Computer Vision, or in Social Science with a strong background in Data Science.
Experience using deep learning models in computer vision.
High Interest in inter-disciplinary research works.
Attention to details and rigor in handling large datasets and in programming.
Strong communication skills and ability to work in a team.
Knowledge of satellite imagery and geospatial data would be a plus.

Formation et compétences requises :

Adresse d’emploi :
LIMOS, Aubières (Clermont-Ferrand)

Document attaché : 202512151511_Offre de Stage DLISCES – 2526.pdf

Extraction et analyse de transactions issues d’une blockchain locale

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : Institut UTINAM, UMR 6213 CNRS / UMLP
Durée : 4 à 5 mois
Contact : jose.lages@univ-fcomte.fr
Date limite de publication : 2026-02-28

Contexte :

Sujet :
Depuis toujours, les échanges de ressources, de biens et de services structurent les sociétés humaines, révélant inégalités, hiérarchies et formes d’organisation collective. À l’ère numérique, de nouvelles formes de valeur émergent, portées notamment par les technologies blockchain, qui renouvellent nos conceptions de l’échange, de la souveraineté économique et de la territorialité. Ces systèmes d’échange peuvent être étudiés comme des systèmes complexes, caractérisés par des topologies non triviales, l’émergence de comportements collectifs, ainsi que des dynamiques de coopération et de compétition. Les transactions numériques sont enregistrées dans une blockchain, un registre distribué reposant sur des mécanismes cryptographiques assurant l’intégrité et la traçabilité des échanges. L’extraction de ces données permet de reconstruire le réseau d’échanges entre acteurs et d’en analyser la structure. Dans ce projet, nous nous intéressons à un cas d’étude spécifique : la monnaie complémentaire citoyenne PIVE (Jura) et sa version numérique. Le ou la stagiaire aura pour mission, dans un premier temps, d’extraire les données issues de la blockchain associée, puis d’utiliser des outils issus de la physique statistique et de la théorie des graphes afin de caractériser le graphe de transactions sous-jacent. L’objectif est notamment d’identifier des structures centrales ou périphériques, ainsi que d’éventuelles zones de faible connectivité, afin d’apporter des éléments d’analyse sur la santé macroéconomique et territoriale du réseau PIVE. Le ou la stagiaire travaillera au sein de l’équipe de physique théorique de l’Institut UTINAM, UMR 6213 CNRS / Univ. Marie et Louis Pasteur (Besançon) et collaborera avec une équipe de recherche en économie du CRESE, Univ. Marie et Louis Pasteur.

Profil du candidat :
Environnement technique
– Programmation en Python
– Packages recommandés : PySpark, pandas, NumPy, NetworkX

Profil recherché
• Étudiant·e en Master 2 (physique ou informatique), intéressé·e par la data science. Bon niveau en programmation Python
• Des connaissances en blockchain et cryptomonnaies constituent un plus, mais ne sont pas indispensables

Formation et compétences requises :
Étudiant·e en Master 2 (physique ou informatique)

Adresse d’emploi :
Institut UTINAM, UMR 6213 CNRS / Univ. Marie et Louis Pasteur (Besançon)

Conférence Inforsid 2026

Date : 2026-05-26 => 2026-05-29
Lieu : Toulouse

Campus de l’Université Toulouse Capitole
2 Rue du Doyen Gabriel Marty
31000 Toulouse

Les organisations sont impactées par de grandes transformations, impulsées par des avancées technologiques en informatique et sciences de l’information, qui requièrent de relever des défis menant à des systèmes d’information (SI) soutenant véritablement une société plus inclusive, équitable, éthique, ou encore responsable sur le plan environnemental. Des processus allant au-delà de l’amélioration continue, mais à même de porter des évolutions plus fondamentales, sont attendus. Fruits de recherches innovantes et créatives, l’ingénierie et la gouvernance des SI doivent aussi pleinement anticiper et intégrer la prise en compte des impacts (notamment les effets indirects pervers) des solutions apportées, dans une vision plus que jamais systémique du domaine.

Aux niveaux scientifique et technique, les opportunités d’évolution et de transformation supposent une capacité à capter, stocker, organiser, rechercher, analyser, apprendre à partir de gros volumes informations, et amène à investiguer des problèmes spécifiques : satisfaire et maîtriser les exigences de volume, vélocité, variété, véracité, valeur des données, respecter les lois relatives à la protection des données, etc. Cela amène aussi considérer le monde de l’organisation au prisme des cadres d’analyse et de management tels que VUCA (Volatile, Uncertain, Complex, Ambiguous) ou BANI (Brittle, Anxious, Non-linear, Incomprehensible), renforçant encore l’intérêt des démarches de co-construction en interdisciplinarité. Le déploiement des SI dans cet environnement complexe contenant des données sensibles/massives/hétérogènes génère aussi des risques juridiques, sociaux, et financiers, rendant la sécurité, et notamment la cyber sécurité, centrale dans les préoccupations des directions des systèmes d’information (DSI). Face à ce déploiement de solutions technologiques gourmandes en ressources énergétiques, les SI doivent aussi répondre aux défis environnementaux pour proposer une informatique durable et responsable.

En 2026, le congrès INFORSID se tiendra du 26 au 29 mai à Toulouse, conjointement à la 20ème édition de la conférence internationale RCIS dont le thème principal cette année est « Advancing Information Science and Information Systems Quality in the Era of Complexity ». Des sessions communes aux deux conférences seront organisées lors desquelles les articles soumis et acceptés par les deux comités de programmes seront présentés.

Nous sollicitons la présentation de travaux de recherche récents, de développements industriels et d’expériences significatives dans le domaine de l’ingénierie et des systèmes d’information, mais également des travaux plus exploratoires et d’idées autours desquels échanger.

Thématiques

  • SI et données massives (Big Data)
  • SI et science des données
  • SI et interaction humaine
  • SI et responsabilité sociétale et environnementale
  • SI et sécurité
  • SI et réseaux sociaux
  • Ingénierie des processus
  • Ingénierie des documents et des connaissances du SI
  • SI dédiés et entreprises du futur
  • Éthique, équité et gouvernance des SI
  • SI et IA (générative)

Dates importantes :

  • Date limite de soumission des articles : 2 février 2026
  • Notification aux auteurs : 30 mars 2026

Plusieurs formats de soumissions sont possibles : articles recherche courts ou longs, présentation d’un article publié à l’international, article présentant une démo ou soumission conjointe à la conférence RCIS

Consultez le site web pour plus d’informations!

Lien direct

Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.

Computer Vision appliquée aux sports de combat

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : GREYC / ORION SportTech
Durée : 4 à 6 mois
Contact : francois.rioult@unicaen.fr
Date limite de publication : 2026-01-10

Contexte :
ORION SporTech développe des solutions logicielles basées sur la vidéo et l’intelligence artificielle pour le monde du sport. Au-delà de la performance, ORION SporTech conçoit des solutions pour la Fan Expérience : nos logiciels enrichissent les vidéos avec des effets visuels dynamiques et des contenus interactifs destinés à engager les supporters et valoriser les partenaires.

ORION SporTech est incubée chez Normandie Incubation, au cœur de
l’écosystème startup normand.

Le stage est co-encadré par le laboratoire GREYC – Unicaen – Ensicaen – CNRS.

Sujet :
Le stage concerne la détection automatique des coups portés dans des vidéos de combats, captées via flux broadcast monoculaire (caméra unique, plan fixe ou mobile). L’objectif est de développer un pipeline de vision par ordinateur capable de :
– Détecter les coups portés
– Identifier la latéralité
– Estimer l’impact
Le candidat pourrait montrer des dispositions à maîtriser les techniques
d’estimation de pose et de classification de séquences.

Profil du candidat :
– Formation en informatique, vision par ordinateur, IA ou traitement d’image
– Connaissances en deep learning appliqué à la vidéo
– Intérêt pour le sport, idéalement les sports de combat
– Autonomie, rigueur, esprit de recherche

Formation et compétences requises :
M2 / ingénieur informatique IA – Data – Computer vision

Adresse d’emploi :
17 rue Claude Bloch à Caen

AI-based workflow for multimodal analysis of immersive traces for prospective memory assessment

Offre en lien avec l’Action/le Réseau : – — –/Innovation

Laboratoire/Entreprise : LS2N – Nantes Université
Durée : 5-6 months
Contact : yannick.prie@univ-nantes.fr
Date limite de publication : 2026-01-30

Contexte :
In collaboration with the LPPL, we have developed and tested a new embodied and immersive environment for assessing prospective memory. This environment is based on a learning task in which users must remember event- and time-based actions, in order to complete tasks in a large shopping mall.

Last year, a first experiment enabled us to collect user behavioral data from around 50 participants in 3 age categories (young adults, middle-aged, seniors) in this virtual environment. Classical memory scores (e.g., successes, type of failures, times…) were computed to assess the validity of this new virtual environment for evaluating prospective memory. We have designed a second experiment with two additional scenarios in the virtual mall and will test it this year with healthy participants and patients.

A key advantage of using virtual reality for neuropsychological assessment is the ability to use users’ behaviour, from user logs and trajectory data, to personally and accurately characterize users’ performance and cognitive state. A key challenge towards this goal is defining new indicators or metrics that are useful for clinicians and integrating them into clinician dashboards. The complex nature of the behavioral data and the limited number of subjects currently available makes modeling difficult.

Sujet :
The objective of this internship is to develop and assess a framework based on multimodal generative AI models that can visualize and model this behavioral data in order to propose new indicators for clinical use.

Missions
– State of the Art on behavioral indicators for neuropsychological/cognitive assessment
– Design AI-based workflows / architecture for data analysis
– Propose new indicators based on AI-framework
– Construct dashboards

Profil du candidat :
Last year in Engineering / Master’s degree

Duration : 5 / 6 months

Conditions: around 600€ / Month + half public-transportation monthly ticket

Formation et compétences requises :
Computer science or data science

– Knowledge and proficient use of generative AI
– Interest for cognitive sciences et interdisciplinarity
– Proficient in English

Send CV + motivation to yannick.prie@univ-nantes.fr, toinon.vigier@univ-nantes.fr

Adresse d’emploi :
Halle 6 Ouest on Nantes Island (https://halle6ouest.univ-nantes.fr/) and Polytech Nantes

[Soutenance de thèse] Graphes hétérogènes de connaissances pour la détection des Fake News multimodales

Date : 2025-12-09
Lieu : Date : 09/12/2025 — 14h
Lieu : Université Paris 8
2 rue de la Liberté, 93526 Saint-Denis
Métro ligne 13 — Saint-Denis Université
Salle A2-201

Lien Zoom :
Sujet: Soutenance de thèse Gaël MAREC
Heure: 9 déc. 2025 02:00 PM Paris
Participer à la réunion Zoom :
https://us05web.zoom.us/j/86037881696?pwd=BCY3aY61f6tnhZgDiNBLY9JPmaXdeP.1

ID de réunion: 860 3788 1696
Code secret: 3Ldk1c

Résumé :
Cette thèse présente une approche automatique de détection de fake news multimodales enrichie par des graphes de connaissances. Dans une première partie, nous explicitons le contexte de massification de l’information dans lequel s’inscrit cette thèse, et présentons les principales typologies d’approches de détection (basées sur le contenu, la source ou le contexte). Notre état de l’art décrit les approches centrées sur le contenu, en particulier les modalités textuelles et visuelles, ainsi que celles enrichies par des connaissances. Nous mettons ainsi en évidence l’absence, dans la littérature, d’une méthode combinant multimodalité, explicabilité et intégration de connaissances externes.

Dans la seconde partie, nous exposons les prérequis formels et applicatifs du modèle. Nous y présentons une méthode de détection et de localisation des transformations d’images pour la détection et l’explicabilité de la modalité visuelle. Nous proposons également des outils s’appuyant sur les graphes de connaissances et la compréhension sémantique des grands modèles de langage pour structurer l’information visuelle ou textuelle, ainsi que les approches essentielles à l’exploitation de ces graphes via des représentations vectorielles apprises (ex. TransE, R-GCN).

Enfin, dans la troisième partie, nous détaillons notre système complet de détection, intégrant un module de fusion multimodale fondé sur un mécanisme de pondération des signaux. Celui-ci permet de combiner les modalités texte, image et connaissances pour produire un score de probabilité prédictif, explicable par les contributions de chacun des signaux d’entrée.

Jury :
• Lynda TAMINE LECHANI, Professeure – Université Paul Sabatier Toulouse (Rapporteure)
• Vincent CLAVEAU, Chargé de recherche – CNRS, Université de Rennes (Rapporteur)
• Nicolas JOUANDEAU, Professeur – Université Paris 8 (Examinateur)
• Nicolas TRAVERS, Maître de conférences – ESILV (DVHE) (Examinateur)
• Éric FILIOL, HDR – Thales, Head of Discipline CYBER, DATA & ALGO (Examinateur)
• Nédra MELLOULI, Professeure -Université Paris8/ESILV (Directrice de thèse)

Lien direct

Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.

[postdoc] Coordination et contrôle de groupes de robots aériens

Offre en lien avec l’Action/le Réseau : – — –/Doctorants

Laboratoire/Entreprise : U2IS, ENSTA
Durée : CDD de 2 ans
Contact : mario.gleirscher@ensta.fr
Date limite de publication : 2026-01-11

Contexte :
Veuillez consulter le document ci-joint.

Sujet :
Le poste proposé aura pour objectif principal d’améliorer les technologies de pointe en matière de contrôle robuste de la manipulation d’objets aériens et de contribuer à l’amélioration des infrastructures de recherche correspondantes (par exemple, la simulation et l’expérimentation). Vos responsabilités :

* Mener des recherches sur des thèmes liés au projet.
* Publier les résultats de recherche dans des revues internationales.
* Soutenir le développement de simulations et d’expériences en intérieur et en extérieur.

Profil du candidat :
Veuillez consulter le document ci-joint.

Formation et compétences requises :
Connaissances essentielles:
* Expérience confirmée en recherche et publications pertinentes dans au moins un des domaines suivants : contrôle des systèmes aériens, contrôle multi-agents, contrôle optimal robuste
* Doctorat en contrôle, mécatronique, systèmes embarqués, construction mécanique, physique ou similaire
* Bonnes compétences en programmation en C, C++ ou Python
* Capacité et volonté de travailler de manière fiable au sein d’une équipe ainsi que de manière autonome et indépendante

Connaisances désirables:
* Bonnes compétences en simulation de systèmes dynamiques et en utilisation d’ outils de visualisation, tels que matplotlib, gnuplot ou Gazebo
* Bonne connaissance des middlewares de capteurs et de systèmes de contrôle (e.g., ROS) et des systèmes d’exploitation en temps réel (basés sur Unix/Linux)

Adresse d’emploi :
Details: https://perso.ensta.fr/~gleirscher/postdoc-asc-fr.pdf
Application: https://enstaparis.recruitee.com/o/post-doctorant-4

Document attaché : 202512081122_postdoc-asc-fr.pdf