Doctorant sur l’explicabilité conceptuelle des algorithmes d’apprentissage profond pour la détection d’objets, basée sur de grands modèles de langage de vision (H/F)
Thales
Palaiseau, France
Construisons ensemble un avenir de confiance
Thales est un leader mondial des hautes technologies spécialisé dans trois secteurs d’activité : Défense & Sécurité, Aéronautique & Spatial, et Cyber & Digital. Il développe des produits et solutions qui contribuent à un monde plus sûr, plus respectueux de l’environnement et plus inclusif. Le Groupe investit près de 4,5 milliards d’euros par an en Recherche & Développement, notamment dans des domaines clés de l’innovation tels que l’IA, la cybersécurité, le quantique, les technologies du cloud et la 6G. Thales compte près de 85 000 collaborateurs dans 65 pays.
Nos engagements, vos avantages
Une réussite portée par notre excellence technologique, votre expérience et notre ambition partagée
Un package de rémunération attractif
Un développement des compétences en continu : parcours de formation, académies et communautés internes
Un environnement inclusif, bienveillant et respectant l’équilibre des collaborateurs
Un engagement sociétal et environnemental reconnu
Votre quotidien
Thales Research&Technology, notre centre de recherche dans les domaines matériels, et CortAIx Labs, notre centre de recherche en IA et digital ont pour mission de proposer des innovations de ruptures, de maintenir et d’accroitre l’avance technologique et d’en assurer la compétitivité pour le groupe.En nous rejoignant, vous intégrerez l’équipe D&O de cortAIx-Labs, en partenariat avec le LTCI à Télécom Paris en tant que Doctorant. Votre sujet portera sur l’explicabilité des méthodes de deep learning pour la détection d’objets, basée les grands modèles de vision language.
Les réseaux de neurones profonds sont très performants pour détecter des objets dans les images aériennes. En revanche, chaque prédiction implique un grand nombre d’opérations de l’algorithme, et les prédictions ne sont donc pas compréhensible par l’utilisateur. On dit alors que les réseaux de neurones ont un aspect boîte noire, ce qui limite fortement leur déploiement opérationnel dans des applications critiques. En effet, la fiabilité des réseaux de neurones est difficile à quantifier, les prédictions erronées sont difficilement détectables, et le manque de transparence limite la confiance des utilisateurs finaux.
Vos travaux de thèse porteront sur le développement de nouvelles méthodes d’explicabilité des algorithmes d’apprentissage profond pour la détection d’objets dans les images aériennes, en se focalisant sur des explications basées sur des concepts et les grands modèles de vision-langage. Un concept est typiquement une expression de quelques mots, qui permet d’identifier si un attribut spécifique est présent dans une image. Jusqu’à récemment, les modèles d’apprentissage automatique construits avec des concepts étaient appris à partir de données annotées manuellement, ce qui limitait grandement leur utilisation. Les modèles de vision-langage ont permis de lever cet obstacle, et semblent particulièrement prometteurs pour expliquer efficacement les algorithmes d’apprentissage profond pour le traitement d’images. Au cours de la thèse, vous vous intéresserez notamment aux liens entre les modèles explicables et les détecteurs boîtes noires, ainsi qu’à la fidélité de la représentation des concepts. Dans un premier temps, les algorithmes développés seront testés sur des bases de données publics standards, et ensuite sur des données représentatives des cas d’applications de Thales.
Dans ce cadre vous aurez pour missions :
Effectuer la bibliographie de l’état de l’art
Développer de nouveaux algorithmes
Les évaluer sur des cas d’usages de Thales,
Rédiger des brevets et publications
Notre site est reconnu par le label Employeur Pro-Vélo Argent ! Nous mettons ainsi à disposition un parking vélo, des douches, vestiaires et du matériel pour entretenir son vélo.
Votre profil
Doctorant sur l’explicabilité conceptuelle des algorithmes d’apprentissage profond pour la détection d’objets, basée sur de grands modèles de langage
de vision (H/F)
Votre priorité est de faire votre thèse au sein de l’industrie ?
Vous avez l’ambition de rejoindre Thales ?
Vous avez envie de découvrir la recherche au sein de Thales ?
Vous disposez d’un Bac+5, en école d’ingénieur ou formation équivalente dans un des domaines suivants : IA, Machine Learning, Computer Vision, Mathématiques appliquées et avez de l'expérience sur :
Machine Learning
Image processing
Python
Explicabilité de l’IA
Rigueur, Curiosité intellectuelle, fort intérêt pour la recherche et esprit d’équipe sont des atouts que l'on vous reconnait ?
Alors ce poste est fait pour vous !
Le mot de l’équipe
En nous rejoignant, vous intégrerez le laboratoire Décision & Optimisation, constitué d’une dizaine de personnes, consacré à l’optimisation difficile, à l’apprentissage automatique et à l’aide à la décision avec une activité mêlant développements scientifiques fondamentaux, développement logiciel avancé et conduite de projets sur des cas d’usages Thales nombreux et variés.
Thales, entreprise Handi-Engagée, reconnait tous les talents. La diversité est notre meilleur atout. Postulez et rejoignez nous !
