Stage Research Engineer : synthèse de programmes pour la génération 3D (PFE / M2 Recherche)

Chat3D, Inc.; Lyon; Hybrid; EUR 13,000 - 16,000; Full time

Benefits offered by this job

Gratification 1 200–1 400 € / mois

Télétravail 1 jour/semaine

GPU disponible

Possibilité CDI à la fin

Job summary

Chat3D propose un stage de recherche en apprentissage par renforcement appliqué à la 3D, sur un pipeline dédié, avec encadrement par le CTO et accès GPU pour les expérimentations à Lyon.

Durée 5 à 6 mois (possibilité 8), début entre février et avril 2027, ambiance startup et équipe tech resserrée. Gratification mensuelle de 1 200 à 1 400 €, et possibilité d'embauche en CDI si le fit est bon.

Qualifications

• Indispensable : formation en dernière année d'école d'ingénieur (3A), M2 recherche ou doctorat en CS/ML/vision.
• Une vraie culture 3D et connaissance des maillages, nuages de points, voxels, champs de distance signés, topologie, normales, UV et matériaux.
• Rigueur expérimentale : isolation d'une variable, baseline, mesure et conclusion honnête même si les résultats déduent pas encore le sens attendu.
• Solides bases en deep learning : implémentation, entraînement et débogage de modèles non triviaux, lecture de papiers récents.
• Pratique solide de PyTorch et Python propre.
• Première expérience R&D tangible (stage en labo, projet de recherche encadré, contribution open source ML).
• Autonomie scientifique et capacité d’approfondir un sujet seul tout en sachant quand demander de l'aide.
• Bon niveau d’anglais scientifique.

Responsibilities

• Contribuer au pipeline d'apprentissage par renforcement pour coder la 3D.
• Réaliser des expériences, mesures, ablations et analyses critiques des résultats.
• Rédiger le mémoire et préparer une démonstration accessible dans un cadre académique.
• Travailler sous encadrement serré du CTO et participer à des revues techniques.
• Disposer d’un GPU pour les expériences et suivre un calendrier 5 à 6 mois, potentiellement 8.
• Participer à des réunions produit et comprendre les contexte d’usage réel.

Skills

Rigueur expérimentale

Autonomie scientifique

Anglais scientifique

Bon niveau d'anglais scientifique

Education

Dernière année d'école d'ingénieur (3A)

M2 recherche

Doctorant·e en CS/ML/vision (en césure)

Tools

PyTorch

Python

Blender

Houdini

Maya

Job description

Chat3D travaille sur la représentation paramétrique de la forme 3D par le langage : décrire un objet par du code plutôt que par une soupe de polygones.

Cela repose sur deux chantiers :

• l'entraînement de grands modèles de langage, en supervision puis en apprentissage par renforcement ;
• la construction de juges 3D, capables d'estimer la justesse d'un objet produit et de servir de signal d'apprentissage.

C'est un domaine où presque tout reste à établir : ce qu'un modèle doit émettre, ce qu'on sait mesurer d'une forme, et ce qui constitue un bon signal d'apprentissage pour s'en approcher.

Le stage de recherche se focalise sur la contribution au pipeline d'apprentissage par renforcement qui permet à nos modèles de coder de la 3D.

Le cadrage précis se discute à l'arrivée, selon ton profil et tes goûts, et nous sommes ouverts à une proposition personnelle alignée avec cette question. Dans tous les cas, le travail est pensé pour produire une contribution scientifique défendable : un protocole expérimental propre, des résultats falsifiables, un mémoire, et une publication possible.

En pratique :

• Encadrement : la supervision scientifique est assurée directement par le CTO (plus de 10 ans en ML appliqué, ex-CTO d'une startup de computer vision, publications ICCV / BMVC, un brevet US en estimation de profondeur, ancien encadrant de thèse CIFRE).
• Durée : 5 à 6 mois, négociable jusqu'à 8.
• Début : entre février et avril 2027, selon ton calendrier d'école.
• Mois 1 et 2, cadrage : revue de littérature ciblée, définition du protocole expérimental, reproduction d'une première baseline.
• Mois 2 à 4, expérimentation : itérations, mesures, ablations, analyse honnête des résultats y compris quand ils ne vont pas dans le sens attendu.
• Mois 4 à 6, consolidation : rédaction du mémoire, restitution interne, démonstration.
• Tout au long : un point hebdomadaire avec le CTO, des revues techniques régulières, et l'accès aux réunions produit et aux artistes pour comprendre le contexte d'usage réel.
• Un vrai sujet de recherche, avec une contribution scientifique attendue, mesurable et défendable. Pas un stage « mets ce modèle en prod » déguisé.
• Un encadrement scientifique serré par le CTO, en direct et chaque semaine.
• Des moyens de calcul réels : tu auras du GPU pour tes expériences.
• Lyon, ambiance startup, équipe tech resserrée où ton travail se voit.
• 1 jour de télétravail par semaine.
• Gratification de 1 200 à 1 400 € / mois selon profil.
• Possibilité d'embauche en CDI à la fin du stage si le fit est bon.

Indispensable :

• Formation : dernière année d'école d'ingénieur (3A), M2 recherche, ou doctorant·e en césure, en CS / ML / vision / computer graphics.
• Une vraie culture 3D. Tu sais ce que tu manipules : maillages, nuages de points, voxels, champs de distance signés ; topologie, normales, UV, matériaux. Tu as déjà ouvert un fichier 3D pour comprendre pourquoi il était cassé. C'est le point le plus discriminant de cette offre.
• Rigueur expérimentale. Tu sais isoler une variable, construire une baseline, choisir ce que tu mesures, et tirer une conclusion honnête de résultats qui ne vont pas dans ton sens. Tu donnes toujours la taille de ton échantillon.
• Solides bases en deep learning : tu as implémenté, entraîné et débuggé des modèles non triviaux, tu lis des papiers récents sans lutter.
• Pratique sérieuse de PyTorch (ou équivalent), Python propre.
• Une première expérience R&D tangible : stage en labo, projet de recherche encadré, contribution open source ML, publication étudiante.
• Autonomie scientifique : tu creuses un sujet seul·e, tu identifies les bons papiers, tu sais quand demander de l'aide.
• Bon niveau d'anglais scientifique.

Les atouts qui font la différence :

• un background geometry processing ou computer graphics académique (paramétrisation, remeshing, géométrie digitale, analyse de formes) ;
• une expérience du post-training de LLM : apprentissage par renforcement, conception de fonctions de récompense, instrumentation d'évaluation ;
• une expérience des métriques apprises et de leur validation contre du jugement humain ;
• la pratique personnelle d'un outil DCC (Blender, Houdini, Maya) ;
• une publication antérieure, ou une contribution open source significative ;
• une sensibilité artiste, ou une pratique personnelle de la 3D, du jeu vidéo, de l'animation.