Thèse CIFRE - Modèles multimodaux pour l'aide à la décision en CND F-H

Preligens; Magny-les-Hameaux; Hybride; EUR 20 000 - 40 000; Plein temps

Résumé du poste

Un leader technologique recherche un doctorant pour une thèse CIFRE sur les modèles multimodaux pour l'aide à la décision en contrôle non destructif. Ce poste combine recherche au sein de Safran et du laboratoire MICS, avec un focus sur l'amélioration des processus de contrôle dans l'aéronautique. Le candidat idéal doit avoir un Bac +5 en IA et de bonnes compétences en communication.

Prestations

Travail en collaboration avec le laboratoire MICS

Répartition du temps de travail déduit entre l'entreprise et le laboratoire

Qualifications

• Diplôme Bac +5 en intelligence artificielle ou domaine similaire.
• Capacité à travailler en autonomie et en équipe.
• Compétences en communication orale et écrite.

Responsabilités

• Conception et adaptation de modèles multimodaux.
• Intégration de la connaissance métier dans les MLLMs.
• Évaluation des solutions en environnement industriel réel.

Connaissances

Curiosité

Autonomie

Capacité de communication orale

Capacité de communication rédactionnelle

Formation

Bac +5 master ou école d'ingénieur dominante IA

Description du poste

Thèse CIFRE - Modèles multimodaux pour l'aide à la décision en CND F/H

Published: 10.17.2025

Company: Safran

Job field: Mathematics and algorithms

Location: Chateaufort / Magny Les Hameaux, Ile de France, France

Contract type: CIFRE

Contract duration: Full-time

Required degree: Master Degree

Required experience: First experience

Professional status: Professional, Engineer & Manager

Spoken language(s): English Fluent

Job Description

Safran Tech, centre de recherche R&T pour le Groupe, recherche un.e futur.e doctorant.e ! Le sujet de cette thèse porte sur la conception et l'adaptation de modèles multimodaux de type Multimodal Large Language Models (MLLMs) pour l'aide à la décision en contrôle non destructif (CND) dans l'industrie aéronautique. L'objectif est de valoriser la diversité et la richesse des données industrielles – telles que les images 2D, données 3D, les rapports textuels et les procédures d'inspection – afin d'optimiser la détection et l'interprétation des anomalies sur les composants stratégiques, tout en facilitant la prise de décision des inspecteurs grâce à une interface conversationnelle en langage naturel. La thèse vise à dépasser les limites des modèles actuels, notamment par l'intégration de la connaissance métier et l'évaluation des solutions proposées dans des environnements industriels réels. Elle s'inscrit dans une démarche innovante, contribuant à la fois à l'avancement de l'intelligence artificielle multimodale appliquée à l'inspection industrielle et à l'amélioration des processus de contrôle au sein de Safran.

Dans l'industrie aéronautique, la fiabilité, la sécurité et la traçabilité sont essentielles pour garantir la conformité des composants stratégiques. Le CND joue un rôle déterminant à ce titre. Chez Safran, ce processus s'appuie de plus en plus sur des méthodes d'inspection digitalisées qui génèrent une grande variété de données visuelles. En complément, une diversité de données textuelles reste encore peu exploitée par les algorithmes existants. La richesse et l'hétérogénéité de ce patrimoine informationnel sont un atout majeur pour la qualité et la sécurité, mais soulèvent également des défis. L'arrivée des modèles d'intelligence artificielle de nouvelle génération, et en particulier des MLLMs, ouvre des perspectives inédites. Ces modèles permettent d'agréger, d'analyser et de croiser efficacement les différentes sources de données du CND, facilitant non seulement l'automatisation de la détection des anomalies, mais aussi l'assistance aux experts grâce à des explications textuelles et à l'aide à la rédaction de rapports. Ils favorisent également la capitalisation des savoirs internes et l'émergence de processus d'inspection plus fiables et performants.

Les principaux enjeux résident dans la conception et l'adaptation de ces modèles aux spécificités industrielles : variabilité des modalités d'acquisition, types d'anomalies et langage propre au CND.

Plusieurs objectifs structurent cette démarche :

• Spécialisation des MLLMs aux spécificités du CND par l'intégration de la connaissance métier
• Constitution de jeux de données multimodaux
• Évaluation en conditions réelles

Cette thèse s'inscrit dans une approche innovante et à fort potentiel scientifique et industriel, renforçant la fiabilité, la sécurité et la performance du contrôle chez Safran et pour l'ensemble de la filière aéronautique.

Job Requirements

Bac +5 master ou école d'ingénieur dominante IA. Curieux·se, autonome, doté·e de bonne capacité de communication (orale et rédactionnelle).

But what else? (advantages, specific features, etc.)

Thèse CIFRE en collaboration avec le laboratoire MICS de CentraleSupélec, avec une répartition du temps de travail de 50 % chez Safran SA à Magny-les-Hameaux (78) et 50 % au laboratoire.

Company Information

Safran is an international high‑technology group, operating in the aviation (propulsion, equipment and interiors), defense and space markets. Its core purpose is to contribute to a safer, more sustainable world, where air transport is more environmentally friendly, comfortable and accessible. Safran has a global presence, with 100,000 employees and sales of 27.3 billion euros in 2024, and holds, alone or in partnership, world or regional leadership positions in its core markets.

Safran is in the 2nd place in the aerospace and defense industry in TIME magazine's "World's best companies 2024" ranking.

Because we are convinced that each talent counts, we value and encourage applications from people with disabilities for our job opportunities.