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

Laboratoire/Entreprise : IMT Atlantique, AI Chair OceaniX
Durée : 36 mois
Contact : ronan.fablet@imt-atlantique.fr
Date limite de publication : 2022-09-15

Contexte :
Two PhD positions are open in the framework of AI Chair OceaniX (https://cia-oceanix.github.io/). The PhD candidates will be hosted on IMT Atlantique campus in Brest by the newly created INRIA team Odyssey (https://team.inria.fr/odyssey).

Sujet :
The open PhD scholarships will address:
– Learning Reduced-Order Ocean Forecasting Models
– Learning-based calibration of ocean carbon models using emerging data from new observing devices and platforms

More information can be found at: https://cia-oceanix.github.io/vacancies

Profil du candidat :
Applications are encouraged from candidates with a MSc./engineer degree in applied math/data science/AI with interest in ocean science or a MSc./engineer in geoscience and a strong interest in data science and deep learning.

Formation et compétences requises :
Background in machine learning and data science.

Adresse d’emploi :
IMT Atlantique, Brest

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

Laboratoire/Entreprise : LaTIM, CHRU Brest
Durée : 3 ans
Contact : beachild.contact@gmail.fr
Date limite de publication : 2022-06-06

Contexte :
La paralysie cérébrale (PC) est le handicap moteur le plus fréquent chez l’enfant, avec une prévalence de 2 à 3.6 cas pour 1000 naissances, concernant ainsi 125 000 personnes en France. Ce trouble non progressif lié à une lésion cérébrale intervenue pendant la vie foetale ou lors des 2 premières années de vie, entraîne notamment des mouvements et des postures anormaux. Alors qu’aucun traitement ne permette de “guérir” de la PC, des thérapies motrices innovantes existent pour favoriser la motricité de l’enfant avec PC. Des études cliniques ont démontré que des interventions intensives, basées sur l’activité et orientées vers une tâche précise, tel que le protocole d’intervention Hand and Arm Bimanual Intensive Therapy Including Lower Extremities (HABIT-ILE), améliorent efficacement la fonction motrice chez les enfants d’âge scolaire atteints de PC et auraient un impact positif sur la connectivité structurelle et fonctionnelle du cerveau. Etant donné que la majeure partie du développement cortical a lieu dans le décours temporel des 2 à 4 premières années de vie, le programme européen “early HABIT-ILE”, mené par l’équipe Brestoise, propose pour la première fois d’investiguer l’efficacité de la rééducation intensive et des mécanismes neurophysiologiques associés chez les enfants en âge préscolaire avec une PC uni et bilatérale.

Sujet :
Hypothèses et questions posées:
Les améliorations constatées sur le plan clinique suite à la thérapie HABIT-ILE chez l’enfant en âge scolaire pourraient être associées à des modifications de la connectivité structurelle et fonctionnelle du cerveau. Cependant, aucun lien fort n’a été clairement établi à ce jour par manque de données et l’utilisation de méthodologies d’imagerie différentes. Par ailleurs, la majeure partie de l’organisation corticale ayant lieu dans le décours temporel des 2 premières années de vie, la mise en place d’interventions précoces constitue l’un des objectifs critiques en réadaptation pédiatrique. Notre hypothèse est que l’amélioration des capacités fonctionnelles induite par HABIT-ILE avant l’âge de 4 ans pourrait être corrélée à des changements majeurs de la morphostructure cérébrale au niveau du cortex sensorimoteur et du CST. Dans le cadre de cette étude, le travail de thèse aura pour objectif d’évaluer les changements morpho- structurels du cerveau en fonction du type de thérapie reçu, et d’étudier une potentielle corrélation entre les variations morphologiques cérébrales et la fonction motrice des sujets avant et après stage HABIT-ILE.
Grandes étapes de la thèse:
Grâce aux données d’imagerie cérébrales préalablement collectées lors de l’étude “early HABIT- ILE”, le/la doctorant(e) étudiera dans un premier temps l’effet de la thérapie intensive sur la structure et l’organisation du cerveau. Les changements neuroplastiques seront évalués au niveau de la substance grise corticale, en utilisant des analyses morphométriques (e.g. épaisseur de la substance grise corticale, plissement du cortex, et profondeur des sillons) et des approches d’intelligence artificielle. La/le doctorant(e) étudiera dans un second temps la relation entre les changements neurologiques structurels mesurés et les données préalablement acquises liées au contrôle moteur des membres supérieurs et inférieurs mesurées par analyse biomécanique spécifique aux tâches fonctionnelles. Un certain nombre d’algorithmes analysant la morpho-structure cérébrale ont été développés pour étudier les corrélats entre paramètres cérébraux et paramètres moteurs. Ces logiciels, comme CAT 12, ont été développés pour l’adulte, et non chez l’enfant jeune. La/le doctorant(e) développera les algorithmes en lien avec CAT 12 et le pipeline de pre-processing pour adapter ces algorithmes à la population étudiée, afin de pouvoir analyser les corrélats entre motricité et changements morpho-structurels. La définition de corrélats entre structure cérébrale et fonction motrice apportera une démonstration unique de cause à effet permettant non seulement de mieux comprendre au niveau fondamental l’intérêt d’instaurer des thérapies intensives avant l’âge de 4 ans, mais aussi de proposer, en s’appuyant sur un argument rationnel, une amélioration des protocoles de prise en charge d’enfants présentant une PC.

Profil du candidat :
Titulaire d’un diplôme bac+5 (Master 2 ou diplôme d’ingénieur) en traitement du signal, neurosciences, bio-engineering ou sciences du vivant.

Formation et compétences requises :
Traitement du signal et des images, neurosciences, programmation Python/Matlab

Adresse d’emploi :
LaTIM, CHRU Brest, Hopital Morvan.

Document attaché : 202205100948_Thèse iCAP.pdf

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

Laboratoire/Entreprise : LIP6 (CNRS et Sorbonne Université), Paris
Durée : 3 ans
Contact : Matthieu.Latapy@lip6.fr
Date limite de publication : 2022-06-06

Contexte :
Depuis quelques années, les militants et activistes à travers le monde inventent de nouvelles façons de faire entendre leurs voix, de protester, qui viennent en complément des manifestations classiques.

L’impact réel ou potentiel de tels mouvements est mal connu, et très peu étudié. Par exemple, la perturbation est-elle potentiellement forte ? Avec combien de participants, sous quelles hypothèses, et quelles cibles ? Est-elle comparable à celle d’une manifestation classique ?

Ces questions sont très liées à des problématiques classiques en informatique, comme par exemple la robustesse des graphes en cas de suppressions de sommets et/ou d’arêtes. Ici, le graphe représente le réseau de routes, et les activistes suppriment (temporairement) un sommet ou une arête du graphe. Ils peuvent être vus comme des agents ayant pour objectif de maximiser la perturbation tout en minimisant les risques, ou le nombre d’agents nécessaires. Des modélisations de dynamiques de graphes à base de flots de liens semblent alors particulièrement pertinentes.

Par ailleurs, les données nécessaires pour explorer ces questions sont aujourd’hui disponibles. En particulier, OpenStreetMap fournit librement des cartes extrêmement précises de réseaux de routes dans le monde entier. On dispose également de traces GPS de mobilité de nombreux individus.

Sujet :
L’objectif central de ce projet est d’étudier l’impact potentiel d’actions comme rebellion of one ou les convois de la liberté, avec un haut niveau de réalisme obtenu grâce aux données de terrain et à une modélisation appropriée.

En reposant sur OpenStreetMap, nous voulons tout d’abord modéliser la ville (ou plus largement le réseau de transports) comme un graphe de rues et de carrefours 8 9 . Nous verrons ensuite les activistes comme des agents susceptibles de supprimer ou surcharger, pour un temps (court) donné, des arêtes de ce graphe. L’objectif devient alors de mesurer l’impact (en termes de connexité, ou de durée des trajets, par exemple) d’une action. Cet impact dépend du placement et des déplacements des agents ; nous voulons donc étudier l’efficacité de plusieurs stratégies simples pour ces placements et déplacements.

En un second temps, nous souhaitons développer une modélisation adversariale : les agents activistes suppriment des arêtes ou des sommets, mais d’autres agents les rétablissent peu après, typiquement en supprimant (arrêtant) ou en dispersant des activistes. Les questions autour de la dynamique des agents des deux camps, ainsi que des questions de budget (combien d’agents dans chaque camp) deviennent
alors centrales.

Profil du candidat :
Le projet nécessite clairement une forte ouverture interdisciplinaire, entre informatique et mathématiques notamment, mais également avec la physique et les SHS. De façon similaire, une ouverture à une combinaison de travaux à la fois théoriques et pratiques est essentielle.

Formation et compétences requises :
En termes de compétences, une formation sur les réseaux complexes et/ou les processus stochastiques sera nécessaire (préliminaire ou à acquérir en début de thèse). De même, des compétences en programmation et en observation/analyse des résultats (statistiques) empiriques seront cruciales.

Adresse d’emploi :
LIP6, Sorbonne Université, Campus Pierre et Marie Curie, Paris

Document attaché : 202205100739_main.pdf

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

Laboratoire/Entreprise : CEDRIC – CNAM Paris
Durée : 3 ans
Contact : nada.mimouni@cnam.fr
Date limite de publication : 2022-05-20

Contexte :
Dans un cadre de transparence envers ses citoyens et afin de faciliter leur participation à la vie démocratique, plusieurs pays ont opté pour le partage de l’information publique et adopté des lois favorisant l’accès à cette information sous toutes ses formes.

En particulier, l’accès au droit est rendu possible via des outils en ligne comme Legifrance (https://www.legifrance.gouv.fr/), un service public de diffusion du droit créé en 2002 en France. Il propose une base très complète constituée des codes officiels et textes consolidés en vigueur, textes du journal officiel et de jurisprudence.

Cet accès doit permettre au citoyen de tracer le cadre de ces droits et devoirs face aux situations auxquelles il est confronté tous les jours. Or, tel qu’il est conçu le droit peut s’avérer complexe et inaccessible pour un simple citoyen.

En effet, malgré l’encadrement dont bénéficie l’utilisateur de Legifrance pour interroger son contenu, un usage optimal suppose de maîtriser le mode d’élaboration des textes, leurs structures et chainages dans le temps, la hiérarchie des normes ainsi que le langage utilisé.

D’autres sites publics offrent des versions explicatives du droit présenté sous sa forme brute sur Legifrance. Leurs consultation s’impose au spécialiste du secteur de droit, tout comme au simple utilisateur, lorsqu’il s’agit d’interpréter les règles de droit. Ils seront souvent amenés à naviguer parmi les pages de ces sites et à travers les différents corpus (législation, jurisprudence, etc.) pour pouvoir construire une réponse à un besoin spécifique.

Dans ce contexte, l’accès à l’information juridique est la première grande question dans l’accès au droit.
Les textes dans le domaine juridique possèdent des caractéristiques spécifiques qui sont importantes à prendre en compte pour améliorer l’accès à l’information.
D’un côté, le contenu sémantique de ces textes est souvent exprimé par un vocabulaire et sous des formes linguistiques complexes. D’un autre côté, les documents sont de différents types avec une structure particulière à chacun de ces types et ils contiennent des références de différentes natures vers d’autres textes qui définissent le contexte dans lequel ils doivent être interprétés.

Sujet :
Les récentes avancées dans les différents domaines de l’IA ont mis en avant de nouvelles approches et méthodes de traitement de données de différentes natures (brutes, formatées, etc.) et types (numériques, textuelles, etc.). En particulier, dans le contexte d’accès à l’information juridique, nous jugeons très pertinent la mise en place d’une approche pluridisciplinaire d’analyse et de fouille dans ces collections de textes pour la prise en compte de ces dimensions sémantique et intertextuelle. L’objectif à terme est de proposer un système qui utilise des méthodes d’IA (méthodes statistique, symboliques, de traitement automatique de textes) combinées avec des techniques d’analyse de graphes pour mieux répondre aux besoins des utilisateurs.

Le projet a un double objectif qui se décline en deux étapes :

* Explorer l’utilisation des nouvelles technologies de l’IA pour la fouille de gros volumes de textes juridiques disponibles en ligne (modélisation sémantique, résumé automatique, traduction automatique, classification, régression, etc.).
* Intégration des résultats de la première étape dans un modèle sémantique plus complet pour un système riche d’accès à l’information juridique.

Profil du candidat :
Le (la) candidat(e) devra avoir de très bonnes aptitudes en apprentissage automatique et traitement de données. Une connaissance en ingénierie de connaissances et techniques du web sémantique sera très appréciée. Le (la) candidat(e) devra avoir de très bonnes aptitudes linguistiques en français et en anglais (parlé et écrit).

Formation et compétences requises :
Master 2 ou équivalent en informatique.

Adresse d’emploi :
CNAM Paris, laboratoire CEDRIC.

Document attaché : 202205091416_2022-AI-for-legal-access-cnam.pdf

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

Laboratoire/Entreprise : LIS
Durée : 36 mois
Contact : etienne.thuillier@univ-amu.fr
Date limite de publication : 2025-06-05

Contexte :
Le transport maritime assure 90% des échanges mondiaux de biens et marchandises. D’un point de vue environnemental, il est de loin le moyen de transport le plus efficient à la tonne de marchandise transportée, bien qu’il doive lui aussi relever le défi de réduire significativement ses émissions. Aujourd’hui l’industrie maritime a initié une profonde transformation qui nécessite un effort important d’innovation et de recherche de la part de l’ensemble des acteurs de l’industrie pour lever les verrous technologiques et scientifiques actuels.

Le projet TNTM (Transformation Numérique du Transport Maritime) s’intègre dans ce contexte d’optimisation de l’industrie maritime et se propose d’agir sur l’ensemble des acteurs aussi bien en mer que sur terre, pour réussir le pari d’un transport moins-carboné voire décarboné. Ainsi, un des axes pour parvenir à ces objectifs est l’excellence opérationnelle qui vise à optimiser l’usage des navires.
Cette excellence opérationnelle est basée sur deux innovations majeures, la première innovation est celle de l’IoT et des données, encore très peu présentes sur les navires et les conteneurs maritimes. La deuxième innovation est liée à l’utilisation d’algorithmes d’optimisation pour améliorer la chaîne logistique maritime du transport par conteneur, en intégrant les dernières avancées de la recherche opérationnelle, des méthodes d’optimisation, de la simulation et du traitement de données (machine learning, etc.). C’est dans ce cadre que se situe cette thèse.

Aujourd’hui, de multiples acteurs différents (sites de chargements et déchargements, transporteurs, terminaux, etc.) sont impliqués dans le transport d’un conteneur. Chaque passage de responsabilité entre deux acteurs crée un risque de mauvaise exécution du plan de transport et cette chaîne logistique est désynchronisée. Il n’existe souvent aucune contextualisation dynamique du plan de voyage du conteneur, et ce, même en ayant connaissance des données issues du conteneur intelligent. Par exemple, les zones d’intérêts géographiques (ZOI) du plan de voyage sont créés manuellement par les utilisateurs et les clients. Autre exemple, des surveillances et des extractions manuelles des données sont réalisées quotidiennement pour fournir des alertes et des informations au client face à des événements inattendus.

Sujet :
Le contexte scientifique de cette thèse relève du Trajectory (Data) Mining, i.e., un ensemble de techniques visant à explorer, analyser, et fouiller des données spatio-temporelles issues des trajectoires d’objets mobiles. Différentes problématiques sont associées à ce domaine, comme par exemple l’analyse exploratoire, le clustering de trajectoires, la classification, la détection d’anomalies, etc.
Parmi les nombreuses problématiques liées à ce domaine, nous nous focaliserons dans cette thèse sur : (1) la reconstruction géographique des trajectoires à partir de données de géopositionnement de conteneurs maritimes, et (2) l’enrichissement sémantique des trajectoires, notamment par l’identification dynamique de ZOI.
Il existe de nombreux modèles mathématiques pour reconstruire des trajectoires à partir du clustering ou de l’identification de patterns dans des données spatio-temporelles. L’algorithme DBscan, et ses variantes, sont souvent les plus utilisés car bien adaptés aux traces de positionnement fournies par les technologies GNSS (Global Navigation Satellite System) ou aux données issues des télécommunications ou du radiopositionnement (Call Detail Records, indoor-positioning, etc.). Le challenge ici réside dans l’application de tels modèles à des données à grosse granularité temporelle comme celles utilisées dans le projet TNTM et qui sont des données AIS (Automatic Identification System).
Concernant l’enrichissement sémantique des trajectoires, le problème consiste à représenter et exploiter un ensemble d’informations contextuelles telles que la détection du mode de transport, le motif et le contexte de déplacement, la découverte des zones d’intérêts, etc. Dans le cadre de cette thèse nous nous limiterons à la détection automatique des ZOI et à leur classification. L’extraction de ZOI à partir de données spatio-temporelles se base généralement sur les algorithmes de reconstruction des trajectoires. On observe toutefois un recours accru aux données issues des connaissances terrain (données sursol, connaissance métier, etc.) pour enrichir et affiner la reconstruction de telles zones. C’est sur ce dernier point que nous concentrerons nos efforts pour développer un modèle de classification des ZOI.
Les principaux objectifs du projet de thèse sont les suivants :
* Analyser la qualité des données issues des conteneurs intelligents.
* Concevoir un modèle de représentation des trajectoires.
* Identifier les ZOI et leur emprise spatiale à partir des trajectoires spatio-temporelles des conteneurs.
* Classifier ces ZOI en fonction des informations contextuelles et des connaissances métier de notre partenaire industriel dans le projet TNTM.

Profil du candidat :
* Titulaire d’un master 2 ou diplome d’ingénieur en informatique

Formation et compétences requises :
* Solides compétences en apprentissage automatique (machine learning)
* Solides compétences en programmation objet et bases de données (python est un plus)
* Bonne expérience en statistiques
* Connaissances sur les SIG
* Bonne communication orale et écrite en français et anglais

Adresse d’emploi :
Laboratoire LIS, Marseille (Campus St Jérôme)

Document attaché : 202205091335_Thesis_TNTM.pdf

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

Laboratoire/Entreprise : PRISME / BRGM
Durée : 36 months
Contact : yves.lucas@univ-orleans.fr
Date limite de publication : 2025-06-05

Contexte :
The aim of this thesis is to evaluate the contribution of artificial intelligence to better assess the vulnerability of assets facing natural hazards, by unfolding impact scenarios in a multi-risk and multi-scale perspective. The highly multimodal and heterogeneous character of remote sensing data (visible, IR, hyperspectral, lidar, radar, topography, spectral libraries of materials ….) to characterize a territory, brings out a new methodological challenge: to develop network architectures adapted for the classification and semantic segmentation of these massive and complex data. This thesis work is also in synergy with the actions carried out at BRGM (H2020 COCLICO, VIGIRISKS, ANR RICOCHET projects) and the ANR-IA where joint work has been initiated between PRISME and BRGM

Sujet :
Complete description is available in the attached file.

Profil du candidat :
The candidate should have obtained a Master’s degree in computer science. Autonomy, scientific rigor and a strong motivation for the proposed subject will be undeniable assets to successfully complete the thesis.

Candidates must send the following documents in a single pdf file :
CV + cover letter + Master grades – optional letters of recommendation.

Contacts:

yves.lucas@univ-orleans.fr
a.hohmann@brgm.fr
c.negulescu@brgm.fr

Formation et compétences requises :
The candidate should have a broad knowledge of image processing, including deep learning techniques and their implementation in software and hardware. Fundamental notions in remote sensing are also required. Fluency in English is essential.

Adresse d’emploi :
Polytech Orléans · 12, rue de Blois, BP 6744 · 45067 cedex 2 Orléans , France

BRGM 3 avenue Claude-Guillemin, BP 36009 45060 Orléans Cedex 02 France

Document attaché : 202205091216_these_BRGM_PRISME_annonce_MADICS.pdf