Postdoctorat en acoustique (programme CMA END Plus) / Postdoctoral research in acoustics (CMA END Plus programme)

Université du Mans; Le Mans; Sur place; EUR 31 000 - 37 000; Plein temps

Résumé du poste

Université du Mans lance un poste de chercheur/chercheuse en postdoctorat au LAUM, spécialisé en contrôle non destructif et surveillance structurale. Le projet vise à étudier l’utilisation des modèles de fondation et de l’IA générative pour assister les experts, tout en restant cohérent avec les lois physiques.

Le travail se déroulera au sein du LAUM, laboratoire reconnu en acoustique, avec une orientation vers les approches acoustiques et les cadres d’évaluation et de traçabilité scientifique.

Qualifications

• Être titulaire du doctorat ou équivalent.
• Expérience en CND, SHM, traitement de données, intelligence artificielle appliquée appréciée.

Connaissances

Rigueur professionnelle

Esprit analytique

Curiosité scientifique

Formation

Doctorat en acoustique, mécanique, traitement du signal, instrumentation, informatique ou discipline voisine

Description du poste

Poste de catégorie A / Position level

A

Etablissement d'emploi / Employment establishment

Université du Mans, Avenue Olivier Messiaen, 72085 LE MANS CEDEX 9

Laboratoire d'exercice des fonctions / Research laboratory

LAUM - Laboratoire d'acoustique de l'Université du Mans - UMR CNRS 6613

Métier auquel se rattache l'emploi proposé / Job

Chercheur/Chercheuse (la fiche emploi-type est consultable sur le lien, aux pages 1738 et suivantes, sous la référence FPRCH007. Ce document détaille les tâches principales associées à la profession, les compétences, les capacités interpersonnelles et les particularités qui peuvent être requises.) / Searcher (The standard job description can be consulted at this link, on pages 1738 et seq., under reference FPRCH007. This document details the main tasks associated with the occupation, as well as the skills, interpersonal abilities and special features that may be required.)

Description du projet ou de l'opération de recherche dans lesquels s'inscrivent les activités de recherche confiées / Description of the research subject

Vers des assistants intelligents pour l'évaluation, le contrôle et la surveillance de l'intégrité des matériaux et des structures

L'émergence des modèles de fondation, des grands modèles de langage (LLM) et de l'intelligence artificielle générative ouvre de nouvelles perspectives pour le contrôle non destructif (CND) et la surveillance de santé structurale (SHM). Au-delà de l'automatisation de tâches de classification, ces technologies permettent désormais d'envisager des assistants intelligents capables d'intégrer des connaissances scientifiques, d'interpréter des données expérimentales multimodales, de dialoguer avec les experts et de produire des analyses argumentées.

Ce projet de post-doctorat vise à explorer le potentiel de ces nouveaux outils pour assister les spécialistes du CND et du SHM dans l'analyse, l'interprétation et la valorisation des données d'inspection. Les travaux seront conduits au sein du LAUM, dans un environnement scientifique reconnu en CND et SHM, en particulier dans le domaine des approches acoustiques. Ils s'appuieront sur les méthodes, plateformes expérimentales, jeux de données et études de cas développés au laboratoire, tout en intégrant les avancées les plus récentes de la communauté scientifique internationale.

L'objectif n'est pas de développer un nouveau modèle d'intelligence artificielle, mais de concevoir une méthodologie permettant de mettre les modèles de fondation au service d'une expertise scientifique explicable, robuste et cohérente avec les connaissances physiques. Les résultats attendus constitueront une première preuve de concept d'assistant intelligent pour le CND et le SHM et ouvriront la voie à une future thèse dans le cadre du programme END Plus.

Towards Intelligent Assistants for The assesment Nondestructive Testing and integrity Monitoring of materials and Structures

Recent advances in foundation models, large language models (LLMs) and generative artificial intelligence are opening new opportunities for nondestructive testing (NDT) and structural health monitoring (SHM). Beyond automating classification tasks, these technologies make it possible to envision intelligent assistants capable of integrating scientific knowledge, interpreting multimodal experimental data, interacting with experts and producing well-reasoned analyses.

This postdoctoral project aims to investigate how these emerging technologies can support NDT and SHM specialists in analysing, interpreting and exploiting inspection data. The research will be carried out at LAUM, a leading research environment in NDT and SHM, particularly in the field of acoustic approaches. The project will build upon the laboratory's experimental facilities, methodologies, datasets and representative case studies while remaining fully open to the latest advances from the international scientific community.

Rather than developing a new AI model, the objective is to establish a methodology for using foundation models as explainable, robust and physics-consistent scientific assistants. The project will deliver a first proof of concept of an intelligent assistant for NDT and SHM and will lay the scientific foundations for a future PhD project within the END Plus programme.

Calendrier prévisionnel du projet ou de l'opération de recherche / Planning research project

du 01/10/2026 au 30/09/2027 From 01/10/2026 to 30/09/2027

Activités de recherche confiées, tâches à accomplir et résultats attendus / Assigned activities and expected results

Contexte scientifique

Le contrôle non destructif et la surveillance de santé structurale connaissent une transformation profonde sous l'effet de la numérisation des inspections, de la multiplication des capteurs et du développement des approches multimodales. Les experts disposent aujourd'hui d'un volume croissant d'informations issues de techniques complémentaires dont l'interprétation devient de plus en plus complexe.

Parallèlement, les modèles de fondation et les LLM bouleversent les méthodes de traitement de l'information scientifique. Leur capacité à mobiliser des connaissances, raisonner sur des informations hétérogènes et interagir en langage naturel laisse entrevoir une nouvelle génération d'outils d'aide à la décision. Leur utilisation dans le domaine du CND demeure toutefois largement exploratoire, notamment lorsqu'il s'agit de garantir la cohérence des réponses avec les phénomènes physiques sous-jacents.

Le projet se déroulera au sein du LAUM, dont les compétences en CND et SHM, notamment dans le domaine des approches acoustiques, constitue un environnement scientifique particulièrement favorable. Les approches développées concerneront principalement les méthodes acoustiques (ultrasons, acoustique non linéaire, émission acoustique, vibro-acoustique…), sans s'y limiter, afin de favoriser une vision multimodale et généralisable des futures solutions d'aide à la décision.

Objectifs scientifiques

1. Structurer une base de connaissances scientifiques :Organiser les connaissances, données expérimentales, publications et retours d'expérience mobilisables pour l'interprétation des inspections.
2. Évaluer l'apport des modèles de fondation : Étudier la capacité des modèles de fondation et de l'IA générative à interpréter des données issues du CND et du SHM, à établir des liens entre différentes modalités de mesure et à assister le raisonnement de l'expert.
3. Concevoir un assistant intelligent : Développer une première preuve de concept d'assistant capable de proposer des interprétations argumentées, des hypothèses compatibles avec les lois physiques et une aide à la rédaction de rapports d'inspection.
4. Valider sur des cas d'étude représentatifs : Évaluer l'approche sur plusieurs cas issus des activités du laboratoire (composites, assemblages boulonnés, structures instrumentées) ainsi que, lorsque cela sera pertinent, sur des données externes.

Résultats attendus

Le projet conduira à une meilleure compréhension de la place des modèles de fondation dans les chaînes d'analyse en CND et SHM, à une méthodologie d'intégration de ces outils dans un contexte d'ingénierie, à une première preuve de concept d'assistant intelligent et à plusieurs publications scientifiques. Il constituera également les bases scientifiques d'un futur sujet de thèse dans le cadre du programme END Plus.

Scientific Background

Nondestructive testing and structural health monitoring are undergoing profound changes driven by digital inspection technologies, increasingly sophisticated sensing systems and multimodal data acquisition. Experts are now required to interpret large volumes of heterogeneous information originating from complementary inspection techniques.

At the same time, foundation models and LLMs are transforming scientific data processing. Their ability to combine knowledge, reason over heterogeneous information and interact through natural language offers new perspectives for engineering decision support. However, their application to NDT remains largely unexplored, especially when reliable, explainable and physically consistent interpretations are required.

The project will be conducted within LAUM, whose internationally recognised expertise in NDT and SHM—particularly in acoustic methods—provides an outstanding scientific environment. The research will primarily focus on acoustic techniques, including ultrasonics, nonlinear acoustics, acoustic emission and vibro-acoustics, while remaining open to multimodal inspection strategies whenever scientifically relevant.

Research Objectives

1. Structuring a Scientific Knowledge Base : Organise scientific knowledge, experimental data, publications and engineering expertise into a structured knowledge base suitable for AI-assisted reasoning.
2. Assessing the Contribution of Foundation Models : Evaluate how foundation models and generative AI can support the interpretation of NDT and SHM data, combine heterogeneous observations and assist expert reasoning.
3. Designing an Intelligent Assistant : Develop a first proof-of-concept assistant capable of proposing scientifically grounded interpretations, physically consistent diagnostic hypotheses and preliminary inspection reports.
4. Validation on Representative Case Studies : Assess the proposed methodology using representative applications from the laboratory, including composite materials, bolted assemblies and instrumented structures, together with external datasets whenever appropriate.

Expected Outcomes

The project is expected to provide a better understanding of the role of foundation models in NDT and SHM workflows, a methodology for integrating these technologies into engineering practice, a first intelligent assistant prototype and several high-quality scientific publications. More broadly, it will establish the scientific basis for a future PhD project within the END Plus programme.

Qualification requises pour l'exercice des fonctions / Required education level

être titulaire du doctorat / PhD or equivalent

Compétences attendue / Candidate profile

Le candidat devra être titulaire d'un doctorat en acoustique, mécanique, traitement du signal, instrumentation, informatique ou discipline voisine. Une expérience en CND, SHM, traitement de données, intelligence artificielle appliquée ou expérimentation sera appréciée. Une connaissance préalable des LLM n'est pas indispensable, mais une forte curiosité pour leur utilisation dans les sciences de l'ingénieur est attendue.

Applicants should hold a PhD in acoustics, mechanics, signal processing, instrumentation, computer science or a closely related discipline. Experience in NDT, SHM, data analysis, applied artificial intelligence or experimental research will be appreciated. Previous experience with LLMs is not required, but strong interest in interdisciplinary research combining engineering sciences and AI is expected.

Mots clefs / Key Words

Physique – Acoustique / Physics – Acoustics / Informatique / Computer science

Éventuelles sujétions particulières attachées au poste / Specific topics

Déplacement en France et/ou à l'étranger / Travel within France and/or abroad

Localisation géographique du poste / Work location

LAUM - Laboratoire d'acoustique de l'Université du Mans - UMR CNRS 6613

Prise de fonction souhaitée le / offer starting date

1er octobre 2026 / 1 October 2026

Fin de fonction prévue le / offer ending date

30 septembre 2027 / 30 September 2027

Durée prévue des missions confiées (durée initiale du contrat proposé) / contract length

un an / one year

Rémunération brute mensuelle proposée / Salary

3030 € / €3,030

Quotité du poste / Work quota

100% / Full time

Si le candidat a obtenu son doctorat depuis moins de trois ans, il se verra proposer un contrat de postdoctorant de droit public prévu par les dispositions du Décret n°2021-1450. Le cas échéant, il aura un contrat équivalent. / If the candidate obtained their doctorate less than three years ago, he will have a public law postdoctoral contract provided for by the provisions of Decree No. 2021-1450.

Composition du dossier de candidature / Composition of the application file

• Curriculum vitae détaillé / detailed curriculum vitae
• Lettre de motivation / cover letter
• Diplôme de doctorat / doctoral degree

Il est nécessaire de joindre une traduction des pièces de candidature si elles ne sont pas en français. / A translation of the application documents must be attached if they are not in French.

Contact pour plus d'informations sur le poste proposé / Contact for more informations on the position

Le Mans Université - LAUM - Laboratoire d'acoustique de l'Université du Mans - UMR CNRS 6613

Mr Rachid El Guerjouma - mail: [e-mail] - Tel: [phone]

Contact administratif/ Administrative contact

Le Mans Université
Direction des Ressources Humaines -
Pôle gestion des personnels enseignants-chercheurs
Mme Ombline Cador / Mme Jennifer Leboucher
[e-mail]
Tel: [phone]

Date limite de dépôt des candidatures / Deadline for submitting applications

20 septembre 2026 / 20 September 2026

Le présent recrutement fera l'objet d'un entretien de recrutement / This recruitment will be the subject of a recruitment interview