Archives

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

[M2] Vol en formation rapprochée pour des drones (close formation flight for small drone teams)

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

Laboratoire/Entreprise : USIS, ENSTA
Durée : jusqu’à 6 mois
Contact : mario.gleirscher@ensta.fr
Date limite de publication : 2026-01-11

Contexte :
De petites équipes d’autonomous aerial vehicles (AAVs) peuvent être utilisées pour collaborer sur des tâches qui ne conviennent pas à un seul AAV. Ces tâches peuvent impliquer la livraison collaborative de colis ou le partage de ressources (e.g., fusion de capteurs distribués, coordination basée sur la durée de vie des batteries ou les capacités de charge utile). De plus, les équipes AAV fonctionnent avec un niveau d’autonomie accru. Une plus grande autonomie impose des exigences plus strictes en matière de critères de performance et de garanties d’exactitude des systèmes de détection et de contrôle de chaque membre de l’équipe. Par exemple, lors d’une tâche de livraison, un vol en formation précis et fiable à proximité immédiate peut être nécessaire.

Sujet :
Ce stage de fin d’études s’inscrit dans le cadre de coordination et contrôle des systèmes robotiques multi-agents et vise à developper une approche pour l’estimation consensuelle des informations pertinentes, la communication entre les membres de l’équipe et la coordination des tâches axée sur les objectifs.

Profil du candidat :
* Diplôme d’ingénieur ou Master 2 en contrôle, mécatronique, systèmes cyber-physiques, systèmes embarqués, ou informatique.
* Niveau d’étude : Bac+5 (M2 ou 3A Diplôme d’ingénieur)
* Bonnes compétences en programmation en C, C++ et Python
* Maîtrise de l’anglais, écrit et parlé. Connaissance préalable du français souhaitable.

Formation et compétences requises :
Compétences recherchées :

* Systèmes multi-agents, contrôle robuste
* Modélisation dynamique, approximation numérique
* Raisonnement automatisé sur les garanties d’exactitude
* Programmation : C, C++, Python

Adresse d’emploi :
Période de démarrage : entre fevrier et mars 2026
Candidature : Merci d’envoyer un CV, une lettre de motivation ainsi que vos relevés de notes à mario.gleirscher@ensta.fr.

Document attaché : 202512081106_stage-vol-en-formation-gleirscher.pdf

Stage M2 (+ thèse) : Approches apprentissage pour la complétion informée de données : Détection multi-échelle spectrale de vers de Roscoff.

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

Laboratoire/Entreprise : Laboratoire d’Informatique, Signal et Image de la
Durée : 6 mois
Contact : claire.guilloteau@univ-littoral.fr
Date limite de publication : 2026-01-11

Contexte :

Sujet :
Description du sujet :
Le ver de Roscoff (Symsagittifera roscoffensis) est un petit organisme marin vivant en photosymbiose avec une microalgue verte (Tetraselmis convolutae), ce qui en fait à la fois un modèle d’étude de la symbiose et un bioindicateur de l’état des écosystèmes côtiers [1]. Actuellement, la détection et le suivi des vers de Roscoff reposent sur l’observation directe. L’identification et le suivi de cette espèce à distance restent un défi scientifique et technologique. Le développement de méthodes automatiques d’identification et de suivi permettrait d’évaluer les facteurs environnementaux influençant leur présence et leur répartition ou encore leur dynamique au cours d’un cycle de marée ou lors d’événements météorologiques extrêmes. Ces avancées contribueraient également à mieux comprendre le rôle écologique du ver de Roscoff, qui participe aux flux de matière organique, favorise la capture de CO2 par ses algues symbiotiques et contribue à la production d’O2 dans les zones littorales.
Les approches d’imagerie spectrale permettent de caractériser la signature optique d’organismes ou d’habitats, ouvrant la voie à leur télédétection [2]. Dans ce stage, le ver de Roscoff constitue donc un cas d’étude idéal pour développer des méthodes de détection multi-échelle et de traitement de données hyperspectrales.

Ce projet de stage cherche à répondre à deux verrous scientifiques principaux :
* L’échelle d’observation. La détection en champ proche et contrôlé est faisable en laboratoire, mais la généralisation aux échelles aéroportées et satellitaires reste à confirmer, notamment pour des raisons de résolution spatiale [3].
* La complétion informée des données multi-sources. La complétion informée est le fait de combiner intelligemment des données fines mais locales (airborne) avec des données grossières mais globales (satellite) pour reconstituer une information complète et cohérente. Cette tâche constitue un défi méthodologique.

L’objectif est de développer une approche multi-échelle de détection spectrale des vers de Roscoff. Le projet s’articule autour des 3 étapes suivantes :
1. Identifier les bandes spectrales pertinentes pour la détection des vers de Roscoff en champ proche (laboratoire) et en milieu contrôlé. Cette étape permettra la sélection méticuleuse des instruments satellitaires et aéroportés à utiliser pour cette étude.
2. Développer et tester des méthodes de complétion de données informée afin d’associer les images à différentes résolutions (aéroporté, satellite).
3. Évaluer la faisabilité de la détection automatique à large échelle des vers de Roscoff dans des environnements côtiers, et l’identification des sites candidats pour des futures campagnes in situ ou par survol aérien.

Le but du projet est de développer un outil capable de produire des cartes exploratoires de présence potentielle des vers de Roscoff à partir de données satellitaires et aéroportées afin de contribuer à la mise en place d’un outil de suivi innovant de la biodiversité du littoral. D’un point de vue méthodologique, le projet comporte une part expérimentale mobilisée dans les différentes étapes du projet. Une première phase exploratoire en laboratoire aura pour but d’acquérir des images hyperspectrales des vers de Roscoff en milieu contrôlé. Une seconde phase expérimentale consistera à acquérir des images aéroportées sur des sites déjà identifiés par les chercheurs du laboratoire UGSF pour tester la capacité de détection en milieu
naturel à une échelle intermédiaire. La majorité du projet concerne le développement d’algorithmes de complétion de données informée à l’aide d’approches de type apprentissage automatique/machine learning. De nombreuses méthodes de complétion de données informée existent dans la littérature. Elles sont cependant développées à partir de cas idéaux ou simulées. Par conséquent, peu répondent aux contraintes de notre problème : potentiel mauvais alignement des images entre elles, connaissance limitée des spécifications instrumentales, pas de données annotées ou « vérité-terrain » disponible, représentativité limitée des données aéroportées, non-linéarité des mélanges spectraux.

Cette thématique fait l’objet d’une demande en cours de financement de thèse pour l’automne 2026. Le cas échéant, le ou la candidate pourra poursuivre ce travail pour la préparation d’une thèse.

Encadement :
Le stage aura lieu dans l’antenne de Longuenesse(62) du LISIC, dédiée actuellement à l’imagerie hyperspectrale. Cette antenne, créée en 2020, compte actuellement 8 chercheurs permanents, 3 chercheurs postdoctorants et 7 doctorants. Le ou la stagiaire sera encadré(e) par Claire GUILLOTEAU et Gilles ROUSSEL qui apporteront leur expertise respective en traitement des images MS/HS et en machine learning pour l’imagerie satellitaire. Le ou la stagiaire aura également l’occasion de collaborer avec Christophe Colleoni et Anne Créach, chercheurs spécialistes de la biologie intégrative des polysaccharides de réserve au laboratoire UGSF (Unité de Glycobiologie Structurale et Fonctionnelle) de l’Université de Lille. 

[1] Androuin, T., Six, C., Bordeyne, F., de Bettignies, F., Noisette, F., & Davoult, D. (2020). Better off alone? New insights in the symbiotic relationship between the flatworm Symsagittifera roscoffensis and the microalgae Tetraselmis convolutae. Symbiosis.https://doi.org/10.1007/s13199-020-00691-y
[2] Dierssen, H. M., McManus, G. B., & Kudela, R. M. (2021). Living up to the hype of hyperspectral aquatic remote sensing. Frontiers in Environmental Science, 9, 649528. https://doi.org/10.3389/fenvs.2021.649528
[3] Purkis, S. J. (2022). Remote sensing the ocean biosphere. Annual Review of Environment and Resources, 47, 357–383.https://doi.org/10.1146/annurev-environ-112420-013219

Profil du candidat :
Candidater :
Issu(e) d’une filière scientifique en sciences de données (traitement du signal et des images, informatique avec une dominante en intelligence artificielle/apprentissage/machine learning, mathématiques appliquées), vous êtes curieux(se) et très à l’aise en programmation (Matlab, Python, C). Vous lisez et parlez avec aisance l’anglais courant. Bien que non-obligatoire, une première expérience en traitement d’images satellitaires hyperspectrales ou en deep learning sera appréciée.

Pour candidater, merci d’envoyer un courriel à {claire.guilloteau, gilles.roussel} [at] univ-littoral.fr en y annexant les documents pouvant supporter votre candidature :
* votre CV,
* une lettre de motivation,
* vos relevés de notes de Licence 3, Master 1, Master 2 (si ces dernières sont disponibles) ou d’Ecole d’Ingénieurs (première à troisième année),
* jusqu’à deux lettres de recommandation ou les noms et moyens de contact de deux référents.

Les candidatures seront étudiées de manière continue jusqu’à ce que le stage soit pourvu.

Formation et compétences requises :

Adresse d’emploi :
Longuenesse (62)

Document attaché : 202512081103_VERDEMES_Stage_2026-FR.pdf

Unified Access and Usage Model for Secured Federation of Knowledge Graphs

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

Laboratoire/Entreprise : LIRIS
Durée : e year, renewable
Contact : Philippe.Lamarre@insa-lyon.fr
Date limite de publication : 2026-01-11

Contexte :
In today’s increasingly interconnected world, the ability to share data across systems and organisations has become both a necessity and a challenge. From scientific research to business intelligence, collaboration across data unlocks new insights and drives innovation. However, alongside this need for sharing lies a parallel and often conflicting demand: the need to maintain control over data. Organisations and individuals must safeguard sensitive information, uphold privacy regulations, and ensure compliance with legal frameworks, even as they participate in broader decentralised data ecosystems.
Tensions between data sharing and control are creating a data integration nightmare, slowing down data investigations.

In order to enable a researcher to simply formulate in natural language what data is needed, and computers instantly deliver correct and complete results with clear provenance, licensing terms, and usage restrictions, the ANR project SaFE-KG (2025-2028) aims to propose a secure federation of Knowledge Graphs, integrating trusted authentication and authorization mechanisms. Unlike traditional federations that assume public accessibility, SaFE-KG will develop solutions for secure, scalable, and efficient federations. It gathers the efforts of three teams: GDD LS2N Nantes, Wimmics INRIA Sophia Antipolis and Université Côte d’Azure, DB LIRIS Lyon.

Sujet :
The general aim of this post-doctoral position is to contribute to the SaFE-KG framework, with a central focus on an unified model for representing access and usage across a federation of knowledge graphs cite{conf/www/Aimonier-DavatN24}, allowing for consistent data sharing across organisations while maintaining compliance with individual policies. A challenge is to design an authorization model flexible enough to handle different configurations of KG federations and different granularities of policy declarations. Our approach is to externalize authorizations from knowledge graph servers by defining a standard interface that can be used with any engine. The objectives also includes federated engine query log modeling and reasoning for transparency and accounting.

The following objectives should be targeted:

_ Access control abstraction. At the very first relevant technical choices must be made to enforce authentication in the federation. Then, the objective is to define a flexible access control model and language for a KG federation. This model should support the specification of policies at different levels of granularity to better align with the diverse security requirements and models of participating knowledge graph providers. To ensure interoperability and adaptability, we aim to base this model on existing standards such as: OIDC for authentication, UMA (User Managed Access) and/or ODRL (Open Digital Rights Language). Two key challenges arise: designing a model that limits its impact on the performance of a federation engine and enabling the analysis of compliance and potential conflicts among the different policies defined by federation members.

_ Usage control. The objective is to enrich the model with usages. The sources describe their usage policy at some granularity level. Then the federation engine exploits these declarations to restrain the request to be usage compliant. While there already exist several usage control frameworks, in SaFE-KG, in addition to performance, we will pay particular attention to benchmarking, and domain independence which currently lack focus cite{Akaichi25}.

_Query logging for transparency and accounting. The objective is to provide a comprehensive view that enables accounting, auditing and compliance verification. To achieve this, the federation engine must log or more precisely, trace user queries and their meta-data with varying levels of detail, including the issued query, the execution plan used, and a summary of the responses obtained, among other elements. This provides a global view of the queries where the sources’ data are involved, including sensitive data. It allows to analyze and correlate the queries to check their compliance (by also considering their combination) with access requirements set up by the information provider.

The work should be based on existing standards, models and previous results cite{tr/Solid, safe-jbms2017, DBLP:conf/dexa/EndrisALVA18, DBLP:conf/dexa/GoncalvesVE19, CostabelloAndAl12,conf/esws/EkelhartEK21, SAMAVI20181}, keeping pragmatic with respect to SaFE-KG objectives. To define a unifying model, an approach could be to proceed incrementally considering that the federation engine: (i) has minimal involvement in security aspects (integrating identifiers, roles, and profiles); (ii) enforces its own access policy (without the sources revealing their own) ; (iii) (partially) knows the sources’ security policies.

Profil du candidat :
PhD in Computer Science with both both theoretical and applied skills in semantic web and associated tools, logical reasoning with knowledge of access control and/or usage control.

Formation et compétences requises :

Adresse d’emploi :
The work will take place within the database team (DB) of the LIRIS laboratory, in collaboration with the other teams of the ANR project SaFE-KG.

INSA de Lyon – Campus de la Doua
20, avenue Albert Einstein
69 621 VILLEURBANNE CEDEX
FRANCE

Document attaché : 202512081009_SaFE-KG_UnifiedAccessAndUsageModel_PostDocCall.pdf

[Post-doc] Online Optimal Transport

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

Laboratoire/Entreprise : LITIS Lab
Durée : 18 months
Contact : paul.honeine@univ-rouen.fr
Date limite de publication : 2026-01-11

Contexte :

Sujet :
Optimal transport (OT) is a powerful framework to define and compute distances between distributions (a.k.a. Wasserstein or earth mover’s distance), with a tractable computation thanks to the Sinkhorn algorithm [1]. Entropic regularization, which enables fast iterative scaling and GPU-friendly computation of the OT, providing the backbone of modern scalable OT pipelines.

Major challenges arise in exploring OT for domain adaptation on streaming data. While an online Sinkhorn algorithm was introduced in [2] to address the OT distances computation from sample streams, it does not operate in an online manner. The major issue is that the functions are evaluated on an increasing amount of newly available samples. which yields a memory complexity of O(n) and a time complexity of O(n^2). In order to fully operate in an online manner, the evaluations should not rely on all the previously available samples. Some attempts were provided to mitigate this major issue, such as by performing measure compression techniques (which are computationally expensive) [3] and by combining streaming quantile approximation with sliced OT [4].

This post-doc fellowship aims to provide theoretical foundations and algorithmic developments for OT on streaming data, mainly time series. For this purpose, the post-doc fellow will leverage earlier research results and take full advantage of the literature of adaptive signal processing and representation learning with deep learning.

This post-doc is an integral part of the global project OOD (Online Deep anomaly Detection), bringing together 4 PhD students and several permanent researchers from the Machine Learning group of the LITIS Lab.

[1] G. Peyré and M. Cuturi, “Computational optimal transport: With applications to data science,” Foundations and Trends® in Machine Learning, vol. 11, no. 5-6, pp. 355–607, 2019.
[2] A. Mensch and G. Peyré, “Online sinkhorn: Optimal transport distances from sample streams,” in NeurIPS, vol. 33, pp. 1657–1667, 2020.
[3] F. Wang, C. Poon and T. Shardlow, “Compressed online Sinkhorn,” arXiv preprint arXiv:2310.05019, 2023.
[4] K. Nguyen, “Streaming Sliced Optimal Transport,” arXiv preprint arXiv:2505.06835, 2025.

Profil du candidat :
Requirements:
PhD in applied mathematics, machine learning, advanced statistics, computer science or related.
Strong background in advanced optimization and machine learning.
Proficiency in Python.

If interested, please send CV in a motivational email to paul.honeine@univ-rouen.fr, gilles.gasso@insa-rouen.fr, maxime.berar@univ-rouen.fr and fannia.pacheco@univ-rouen.fr

Formation et compétences requises :

Adresse d’emploi :
Rouen (Normandy)

Offre de stage M2 Recherche chez BaaS.sh

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

Laboratoire/Entreprise : BaaS.sh en collaboration avec l’IRIT (Toulouse)
Durée : 5 à 6 mois
Contact : mokadem@irit.fr
Date limite de publication : 2026-01-11

Contexte :
BaaS.sh est une startup deeptech qui conçoit une blockchain de nouvelle génération : rapide à déployer, simple à utiliser → pensée pour les devs, optimisée pour la perf.

Sujet :
Rejoins BaaS.sh, en collaboration avec le IRIT, pour contribuer à la mise en place et à l’optimisation de notre infrastructure blockchain. Tu travailleras sur des sujets concrets, techniques et à fort impact :
● Déployer, superviser et automatiser des architectures complexes.
● Concevoir des pipelines robustes (CI/CD, provisioning, monitoring, logging).
● Mener des analyses comparatives de blockchains concurrentes.
● Side projects : serveur MPC, module n8n, plugin VSCode…
Un stage exigeant, encadré, au coeur d’un projet deeptech ambitieux.
Tu évolueras dans un environnement stimulant, entre infrastructure, performance, et blockchain de nouvelle génération.
Si compétences exceptionnelles :
tu pourras également contribuer à des sujets plus avancés : orchestration distribuée, sécurité réseau, scaling dynamique.

Profil du candidat :
Master 2

Formation et compétences requises :
Expérience concrète avec Docker Swarm ou Kubernetes.
CI/CD, base d’un delivery efficace et fiable.
Bonnes notions en observabilité (Grafana, Prometheus…) et en gestion de logs.
Docker, Git et les outils d’automatisation n’ont pas de secrets pour toi.

Adresse d’emploi :
Lieu : 100 % remote, avec interactions virtuelles régulières.
Durée : 5 à 6 mois, début flexible à partir de janvier 2026.
Encadrement : par le CTO de BaaS.sh en collaboration avec un enseignant-chercheur du IRIT.

Document attaché : 202512051336_Stage M2 Recherche chez BaaS.sh.pdf