IA Frugale et Télédétection pour la Surveillance Prédictive de la Qualité des Eaux Douces H/F - Université Orléans

Le projet Previzo vise à développer un outil d'aide à la décision fondé sur l'intelligence artificielle afin d'optimiser la gestion de la ressource en eau, notamment par l'anticipation des dégradations de la qualité des eaux douces, des crises hydriques et des conflits d'usage. Dans un contexte marqué par le changement climatique, l'eutrophisation des milieux aquatiques et la modification des régimes hydrologiques, la surveillance prédictive de la qualité des cours d'eau constitue un enjeu environnemental, sanitaire et socio-économique majeur.

Le projet s'appuie sur la télédétection multispectrale, l'analyse de données environnementales hétérogènes et le développement d'approches d'intelligence artificielle frugale pour mieux détecter, estimer et anticiper l'évolution des paramètres de qualité de l'eau dans les milieux aquatiques continentaux. Une attention particulière est portée à l'intégration de connaissances issues de la physique des processus hydrologiques, optiques et biogéochimiques, ainsi qu'à l'utilisation de méthodes de réduction de modèles, afin de concevoir des approches plus robustes, interprétables et sobres en ressources de calcul.

À l'interface entre intelligence artificielle, observation de la Terre, modélisation physique et sciences de l'environnement, Previzo ambitionne de contribuer au développement d'outils opérationnels, fiables et explicables pour accompagner les acteurs de la gestion de l'eau dans la surveillance et l'anticipation des risques affectant la qualité des eaux douces.

Les missions :

Dans le cadre du projet Previzo, un poste postdoctoral est ouvert afin de développer des approches complémentaires pour la surveillance prédictive de la qualité des eaux douces à partir de données de télédétection multispectrale et de données environnementales hétérogènes.

Le sujet portera sur le développement de modèles d'intelligence artificielle légers et frugaux, adaptés à une surveillance opérationnelle de la qualité des eaux douces.

Les travaux viseront à concevoir des modèles compacts, efficaces et sobres en ressources de calcul, tout en maintenant des performances prédictives robustes. Le ou la postdoctorant·e explorera notamment des approches de réduction de modèles, de compression, de distillation de connaissances, de sélection de variables ou d'apprentissage de représentations latentes, afin d'évaluer les compromis entre performance, coût de calcul, consommation énergétique et capacité de généralisation.

Doctorat en informatique, intelligence artificielle, vision par ordinateur, traitement d'images, télédétection ou disciplines connexes ;

Compétences en apprentissage automatique, analyse de données et programmation de préférence en Python, ainsi que d'une expérience avec des outils tels que PyTorch, TensorFlow, scikit-learn ou équivalents;

Des compétences en apprentissage guidé par la physique, modélisation hybride, réduction de modèles, compression de modèles, distillation de connaissances, analyse d'images de télédétection ou traitement de données environnementales seront particulièrement appréciées;

De bonnes capacités de communication, de travail en équipe et de contribution à des publications scientifiques et livrables de projet sont attendues.

Faire preuve d'autonomie, de rigueur scientifique, de curiosité, d'esprit d'équipe et de capacité à travailler dans un environnement pluridisciplinaire à l'interface entre intelligence artificielle, observation de la Terre, modélisation physique et sciences de l'environnement.

Bonne maîtrise de l'anglais écrit et oral est requise.

• Gestion des données
• Python
• Programmation
• Anglais
• Travail en équipe
• Conception hybride
• Intelligence artificielle
• Autonomie
• Distillation
• Traitement d'image
• Machine learning
• Analyse de données
• TensorFlow