CHERCHEUR(SE) POST-DOCTORANT(E) IA ET FUSION DE DONNÉES POUR LA MOBILITÉ ACTIVE - CAMPUS DE BREST - H/F

💼 Offre d'emploi

Date de publication

12/06/2026

Dernière mise à jour

20/07/2026

Type de contrat

CDD - 18 Mois

Durée de travail

Travail en journée ( Travail en journée)

Expérience

1 An(s)

Salaire brut

Annuel de 36000.0 Euros

Permis demandé

Aucune information

---

📍 Entreprise

---

Description de l'offre

Description :


Ce poste de post-doctorant au LabISEN s'inscrit dans le cadre du projet Dragonfly, financé par la Banque Publique d'Investissement (BPI). Ce projet est réalisé en partenariat avec Eco-Compteur et NUsense est vise à développer une nouvelle solution de mesures de fréquentation et de sécurisation des déplacements en mode doux.

FICHE D'IDENTITÉ DU POSTE

- Établissement de rattachement : Yncréa Ouest, Établissement d'enseignement supérieur privé d'intérêt général (EESPIG), sous contrat avec le ministère de l'enseignement supérieur et de la recherche ;

- Unité de recherche : LabISEN

- Équipe de recherche : Vision-AD (Vision et Analyse de Données)

- Lieu de travail : site de Brest

- Durée du contrat : 18 mois

- Missions : irecherche, développement algorithmique, publications scientifiques, etc.

- Rémunération : 36 k€ brut annuel selon profil et expérience

- Autres activités : possibilité de participer aux activités d'enseignements d'Yncréa Ouest

CONTEXTE APPLICATIF

Le projet Dragonfly répond aux enjeux croissants de la mobilité durable et de la sécurité routière (Vision Zéro accident). Actuellement, les gestionnaires d'espaces publics et naturels font face à une limite technologique : les caméras IA classiques sont trop énergivores (6 à 60W) pour un déploiement massif sans raccordement électrique, tandis que les radars Doppler manquent de finesse dans la classification des usagers. Dragonfly propose une rupture technologique en combinant fusion de données (radar/vision) et intelligence artificielle frugale pour une consommation totale réduite, permettant un fonctionnement autonome sur panneau solaire dans des zones urbaines ou isolées.

OBJECTIF

Sous la responsabilité de l'ISEN Ouest, en charge du Lot "IA Embarquée et Fusion de données", votre mission principale sera de concevoir et d'entraîner des modèles de Deep Learning optimisés pour la détection et le suivi multi-objets. L'objectif est de développer des algorithmes de fusion spatio-temporelle radar/vision capables de garantir une classification robuste des usagers de la mobilité active dans diverses conditions météo et de luminosité. Vous mettrez en oeuvre des techniques avancées de compression de modèles (quantization, pruning, distillation) pour permettre leur déploiement sur une cible matérielle frugale. Enfin, vous assurerez la valorisation scientifique de ces travaux à travers des publications dans des revues et conférences internationales de rang A.

MOTS-CLÉS

Deep Learning, Fusion de données (Radar/Vision), IA Frugale, Compression de modèles, Computer Vision, Mobilité active, Smart City.





Profil recherché :


LE OU LA CANDIDAT(E) DOIT DÉTENIR :

- Un doctorat en IA ou traitement d'images ;

- Une expertise en Deep Learning et frameworks associés (PyTorch, TensorFlow) ;

- Une maîtrise avancée de Python et des bibliothèques scientifiques (OpenCV, Scikit-learn) ;

- Des connaissances en techniques de fusion de données ;

- D'excellentes capacités de rédaction scientifique (anglais indispensable) ;

- Une capacité à travailler de manière autonome et à résoudre des problèmes de manière créative.

- D'excellentes compétences en communication orale et écrite, avec la capacité de présenter des résultats de recherche de manière claire et concise. Un dipôme d'ingénieur, master ou doctorat en systèmes embarqués.

POUR CANDIDATER :

Faire parvenir les documents suivants :

- Un curriculum vitae (CV) détaillé ;

- Lettre de motivation présentant vos travaux de recherche passés ;

- Tout autre document jugé utile pour enrichir le dossier de candidature (lettres de recommandation, articles scientifiques, rapports de soutenance de thèse, etc.)

COMPÉTENCES REQUISESACTIVITÉS

Apprentissage profond, Vision par ordinateur, Fusion multi-capteurs, Python/PyTorch/TensorFlow