THÈSE DE DOCTORAT - PRÉDICTION DE LA VITESSE D'ÉCOULEMENT DES GLACIERS PAR APPRENTISSAGE PROFOND
Référence : 2026-2323323
- Fonction publique : Fonction publique de l'État
-
Employeur :
Institut national de l'information géographique et forestière (IGN)
Institut national de l'information géographique et forestière (IGN) - Localisation : Champs-sur-marne
Partager la page
Veuillez pour partager sur Facebook, Twitter et LinkedIn.
- Nature de l’emploi Emploi ouvert aux titulaires et aux contractuels
- Expérience souhaitée Non renseigné
-
Rémunération Fourchette indicative pour les contractuels Non renseignée Fourchette indicative pour les fonctionnaires Non renseignée
- Catégorie Catégorie A (cadre)
- Management Non
- Télétravail possible Non renseigné
Vos missions en quelques mots
L'objectif principal de ce travail de doctorat est de développer une architecture robuste d'apprentissage profond de la similarité, adaptée au suivi des déplacements des glaciers à partir d'imagerie multimodale. Pour ce faire, la recherche se concentrera sur :
1. La conception d'une architecture de modèle de similarité profonde, avec un accent particulier sur la création d'un module dédié à l'extraction de caractéristiques d'images, générant des plongements spatiotemporels discriminants [11] ;
2. Une stratégie d'entraînement informée par la physique : concevoir un pipeline d'entraînement, de validation et de test avec apprentissage contrastif intégrant des connaissances sur la physique du mouvement de la glace (par exemple, la direction de l'écoulement), afin que le modèle apprenne des écoulements de surface significatifs et physiquement plausibles ;
3. La génération et l'annotation de données : l'obtention d'échantillons de mise en correspondance bien annotés entre deux images pour l'entraînement est une tâche cruciale mais difficile. L'objectif ici sera de produire des données d'entraînement composées de paires annotées de pixels dans des patches d'images standardisés de tailles potentiellement différentes, issues de données multimodales : paires optique/optique, optique/SAR et SAR/SAR. Pour ce faire, plusieurs stratégies de génération de données d'entraînement seront explorées ;
4. L'intégration multimodale : améliorer le modèle en incorporant des sources de données multimodales, s'appuyant à la fois sur des observations empiriques et des principes physiques. De plus, en s'inspirant de récentes techniques d'auto-encodage cross-modal [12], des informations contextuelles invariantes à la modalité seront transmises au réseau afin d'aider à l'identification de caractéristiques correspondantes pouvant être difficiles à détecter sur la seule base des intensités d'image.
Profil recherché
Ce travail requiert un intérêt et une curiosité authentiques pour les sciences de la Terre (en particulier la glaciologie et les sciences du climat). De solides compétences en mathématiques statistiques, en apprentissage profond, en vision par ordinateur et en télédétection sont attendues. Une maîtrise d'une ou plusieurs bibliothèques d'apprentissage automatique en Python (PyTorch, TensorFlow, Keras) est requise. Un bon niveau en calcul scientifique avec Python (scipy, scikit-learn, numpy) est également nécessaire.
Qui sommes-nous ?
L’Institut national de l’information géographique et forestière (IGN) est un établissement public à caractère administratif placé sous la tutelle des ministères chargés de l’écologie et de la forêt. Sa vocation est de produire et diffuser des données (open data) et des représentations (cartes en ligne et papier, géovisualisation) de référence relatives à la connaissance du territoire national et des forêts françaises ainsi qu'à leur évolution.
Grâce à son école d’ingénieurs, Geodata Paris, et à ses équipes de recherche pluridisciplinaires, l’institut cultive un potentiel d’innovation de haut niveau dans plusieurs domaines (géodésie, forêt, photogrammétrie, intelligence artificielle, analyse spatiale, visualisation 3D, etc.).
Descriptif du service
Le laboratoire LASTIG (Laboratoire en Sciences et Technologies de l’Information Géographique pour la ville intelligente et les territoires durables) est une unité mixte de recherche rattachée à l’Université Gustave Eiffel, à l’IGN (Institut national de l’information géographique et forestière) et à l’EIVP (École des Ingénieurs de la Ville de Paris). Il constitue une structure de recherche unique en France et même en Europe, réunissant environ 80 chercheurs couvrant l’ensemble du cycle de vie des données géographiques ou spatiales, depuis leur acquisition jusqu’à leur visualisation, en passant par leur modélisation, intégration et analyse. Parmi eux, environ 30 chercheurs travaillent en analyse d’images, vision par ordinateur, apprentissage automatique et télédétection.
À propos de l'offre
-
L'Institut national de l'information géographique et forestière (IGN) est un établissement public français sous tutelle du ministère de l'Écologie et des Forêts. Son rôle principal est de produire et de diffuser des données et des représentations de référence (cartes papier et en ligne, géovisualisations) pertinentes pour la compréhension du territoire national français, de ses forêts et de leur évolution. Grâce à son école d'ingénieurs, Géodata Paris, et à ses laboratoires de recherche pluridisciplinaires, l'institut encourage une culture forte et de haut niveau de l'innovation dans plusieurs domaines (géodésie, gestion forestière, photogrammétrie, intelligence artificielle, analyse spatiale, visualisation, etc.)
Le ou la candidat(e) travaillera au sein du laboratoire LASTIG, et plus particulièrement au sein de l'équipe Strudel, spécialisée dans l'étude des structures spatiotemporelles pour l'analyse territoriale. Des déplacements ou des séjours courts à l'Institut des Géosciences de l'Environnement à Grenoble seront envisagés.
Avantages:
Télétravail flexible après une période de prise de poste ; équipements sportifs et culturels disponibles sur site ; associations sportives et culturelles accessibles au sein de l'institut ; accès à la cafétéria du campus ; prise en charge du titre de transport à 75 % par l'employeur ; aide à l'achat d'un vélo. -
Équipe d'encadrement:
Alexandre Hippert-Ferrer et Ewelina Rupnik, tous deux experts en télédétection et en algorithmes de mise en correspondance d'images, sont les directeurs principaux de cette thèse de doctorat et sont membres du laboratoire LaSTIG. Les travaux seront menés en étroite collaboration avec deux glaciologues de l'IGE (Institut des Géosciences de l'Environnement) à Grenoble, Antoine Rabatel et Romain Millan. Enfin, Loïc Landrieu du laboratoire Imagine apportera son soutien grâce à son expertise en apprentissage profond. -
Vacant à partir du 22/06/2026
-
Chercheuse / Chercheur
