Activez les alertes d’offres d’emploi par e-mail !
Mulipliez les invitations à des entretiens
Créez un CV sur mesure et personnalisé en fonction du poste pour multiplier vos chances.
Une entreprise innovante recherche un doctorant passionné pour travailler sur l'analyse d'événements pseudo-aléatoires. Ce projet stimulant implique le développement de méthodes pour interpréter des alertes et anticiper des comportements inhabituels dans des environnements complexes. Le candidat idéal aura une solide formation en sciences et en programmation, avec une curiosité et une créativité pour résoudre des problèmes. Rejoignez une équipe dynamique qui valorise la recherche et l'innovation, tout en offrant un environnement de travail collaboratif et enrichissant.
Référencé par le Capital Magazine figurant parmi les «Meilleurs employeurs 2023», CS est une société filiale autonome de Sopra Steria GROUP avec un rayonnement en France et à l’international (plus de 2500 collaborateurs). Experts des systèmes critiques pour les secteurs de la Défense, l'Industrie, le Spatial, la Cybersécurité et l'IA.
Nous recrutons un/une Doctorant dans le cadre d'une thèse sur l'analyse d’ensembles d’évènements pseudo-aléatoires au sein d’une série spatio-temporelle : interprétation d'alertes et anticipation.
L’objet de la thèse est d’analyser et d’interpréter des ensembles d’évènements concomitants afin d’identifier des comportements inhabituels qui pourraient indiquer des menaces potentielles ou des dysfonctionnements systémiques.
1. Programme de la thèse
La thèse consiste à développer une approche qui permette de raisonner avec des évènements préalablement détectés (tels que des alertes, anomalies, ou autres évènements rares, ou jugés d’intérêt dans le contexte applicatif) de façon à interpréter leur concomitance en prenant en compte l’incertitude. Il s’agira de caractériser un ou plusieurs cas d’étude liés à la prise de décision en milieux complexes et de sélectionner des modèles pertinents, afin de définir un cadre formel pour l’analyse d’ensembles d’alertes à travers des séries spatio-temporelles d’évènements pseudo-aléatoires. La théorie pour représenter et gérer l’incertitude sera celle des fonctions de croyance qui présente un cadre riche et adapté pour considérer (et distinguer) l’incertitude épistémique (liée au manque de connaissance) et aléatoire (liée à l’aspect stochastique du phénomène observé). Afin de définir une méthode d’analyse de liens entre évènements qui permette de gérer l’incertitude sous-jacente, le candidat s’attachera à collecter ou simuler des données et développer une solution “hybride” mêlant techniques d’apprentissage machine lorsque les données sont disponibles et en quantité suffisante, et de raisonnement logique pour intégrer la connaissance de l’expert et pallier un manque éventuel de données d’apprentissage. La dernière étape consistera à valider les modèles et la solution. Le projet se focalisera sur les verrous scientifiques suivants liés à l’analyse de liens entre évènements : l’alignement d’évènements avec des algorithmes de détection, suivi et classification ainsi que le calcul de distances multi-modales entre des données très hétérogènes (textes, images, données numériques, langage naturel).
2. Domaines métier impactés
La solution développée sera conçue comme étant générique et applicable à différents cas d’études, notamment dans le contexte d’une installation industrielle ou de commande et contrôle. La surveillance continue d’un réacteur par exemple, peut générer de nombreuses alertes issues de l’analyse des données provenant de capteurs intégrés dans des dispositifs du système de chauffage afin d’identifier les écarts par rapport au fonctionnement normal. Les centres de commande et de contrôle jouent un rôle crucial dans la gestion des opérations civiles et militaires. Ces centres reposent sur l’analyse de données spatio-temporelles pour surveiller, anticiper et réagir aux événements en temps réel (déviation de trajectoire, activité inhabituelle, intrusion, panne systémique ou modification temporelle). Dans les deux cas, la solution à être développée dans le cadre de cette thèse fournira un support à l’opérateur pour l’analyse de la situation globale et la prise de décision sous incertitude et contrainte psychosociale.
3. Encadrement et environnement de travail
Cette thèse sera réalisée sous la co-direction d’Anne-Laure Jousselme (CS Research Lab, CS GROUP Toulon, France), et Ludovic Fabre, Jérémy Buisson, Olivier Bartheye (CREA Ecole de l’air et de l’espace, Salon-de-Provence, France). Les travaux seront menés sur plusieurs sites : au CS Research Lab à La Garde dans la région de Toulon ; au sein du Centre de Recherche de l’Ecole de l’Air à Salon-de-Provence. Deux environnements de travail stimulants, internationaux et multidisciplinaires, au carrefour des communautés R&D académiques et industrielles, alliant recherche exploratoire et développements appliqués.
Vous êtes étudiant(e) en Master 2 orienté recherche.
Les qualités permettant de mener à terme un programme de doctorat telles que la curiosité, la créativité, l’autonomie, l’esprit critique et l’enthousiasme, seront nécessaires.
Alors vous êtes la pépite que nous recherchons !
Venez nous rejoindre et partager de grandes et belles expériences. Nos équipes passionnées n’attendent que vous! Elles seront enchantées de partager leurs expériences, leurs connaissances et leurs expertises tout au long de votre parcours.
INFORMATIONS COMPLEMENTAIRES
Intégrer le Lab de CS, c'est aussi :
LA SUITE DES EVENEMENTS
Si votre profil correspond, vous aurez un entretien technique avec un de nos Responsables opérationnels. Puis, vous rencontrerez Laura lors d’un entretien RH. Et nous nous engageons à vous faire un retour par téléphone :)
#CSGROUP#Hiring#thèse#IA #prisededécision#LI-Hybrid #LI-LM1
Employeur inclusif et engagé, notre société œuvre chaque jour pour lutter contre toute forme de discrimination et favoriser un environnement de travail respectueux. C’est pourquoi, attachés à la mixité et à la diversité, nous encourageons toutes les candidatures et tous les profils.