Postdoctorat IA frugale pour l’analyse bioacoustique des milieux naturels (H/F)

Missions :
La personne recrutée aura pour mission principale de poursuivre et consolider un projet de recherche en IA frugale pour l’analyse bioacoustique des milieux naturels, au sein de l’équipe IMAGINE du LIRIS. Le poste vise à transformer un travail exploratoire prometteur en un programme scientifique structuré, articulant apprentissage automatique, apprentissage de représentations, analyse de données audio issues de capteurs et suivi de la biodiversité.
La personne recrutée aura un rôle scientifique central dans la conception, l’entraînement, l’évaluation et l’adaptation de modèles d’apprentissage profond appliqués à des données de bioacoustique. Il s’agira notamment de développer des représentations génériques capables de dépasser les limites des modèles actuels, souvent centrés sur les oiseaux, peu adaptés aux espèces rares ou peu représentées, et nécessitant d’importants volumes de données annotées.
La mission comporte également une dimension applicative forte : appliquer les modèles développés à des problématiques concrètes d’écologie acoustique, en particulier sur des données réelles de paysages sonores, afin de contribuer à l’analyse automatique de la biodiversité. Le travail devra aboutir à un démonstrateur illustrant la chaîne de traitement depuis l’apprentissage de représentations jusqu’à l’exploitation sur données bioacoustiques réelles.
Enfin, l’agent jouera un rôle moteur dans la structuration scientifique d’un futur projet collaboratif, avec des partenaires en écologie, bioacoustique, informatique et sciences de l’environnement.
Activités :
Activités principales :
- Consolider le modèle de représentation bioacoustique. La personne recrutée devra approfondir les développements méthodologiques existants afin de produire un modèle capable d’apprendre des représentations pertinentes sur des données bioacoustiques variées, non limitées aux oiseaux.
- Conception et d’expérimentation : entraîner et évaluer les modèles. Elle devra mettre en œuvre les protocoles d’entraînement, sélectionner les jeux de données pertinents, définir les métriques d’évaluation, comparer les performances obtenues et analyser les résultats.
- Développer des approches d’apprentissage adaptées aux faibles volumes de données annotées.
- Le poste impliquera de travailler sur l’apprentissage de représentations, l’apprentissage auto-supervisé, le few-shot learning, le fine-tuning et la distillation de connaissances, afin de rendre les modèles adaptables à de nouvelles espèces, taxons ou contextes écologiques.
- Appliquer les modèles à des données bioacoustiques réelles. La personne recrutée devra exploiter des données de paysages sonores pour tester la généricité, la robustesse et l’utilité des modèles sur des problématiques concrètes d’écologie.
- Produire un démonstrateur logiciel. Le travail devra aboutir à un démonstrateur illustrant l’ensemble de la chaîne : constitution ou adaptation des données, apprentiss
Voir plus sur le site emploi.cnrs.fr...