Ingénieur - computer vision F/H

Description de l'offre

Présentation du service/laboratoire :

La vocation du laboratoire PRISME est pluridisciplinaire dans le domaine général des sciences pour l’Ingénieur et des technologies sur un large spectre de champs disciplinaires incluant :

-Le traitement du signal et de l’image,

-L’automatique,

-La robotique.

-La combustion dans les moteurs, l’énergétique, les explosions,

-L’aérodynamique, la mécanique des fluides,

Le laboratoire a choisi de se structurer avec deux départements scientifiques organisés en  axes thématiques. L'axe Image & Vision (IV) du laboratoire PRISME (Pluridisciplinaire de Recherche en Ingénierie des Systèmes, Mécanique, Énergétique - UR 4229) se consacre au développement d'approches conceptuelles et à l'adaptation d'outils théoriques pour le traitement numérique des images et la vision par ordinateur.

Ses objectifs et thématiques sont les suivants :

-Traitement d'images et vision : Recherche sur l'analyse, la compréhension et le traitement de données visuelles complexes.

-Multimodalité et apprentissage automatique : utilisation de l'intelligence artificielle et de l'analyse combinée de différentes sources de données.

-Applications principales :

• Santé et médecine personnalisée (maintien à domicile).


• Industrie du futur.


• Agriculture de précision / agriculture du futur.

Présentation du projet :

Contexte et Objectifs :

CERES "Cartographie et caractérisation des éléments exposés de la région CVL à partir d'images satellites". est un projet de recherche d’intérêt de la Région Centre Val de Loire axé sur la gestion des risques naturels via l'innovation technologique . Il vise à relever les défis suivants :

- Identification du bâti : Repérer de manière exhaustive les différentes catégories de bâtiments et d'infrastructures à l'échelle de la région et des intercommunalités.

- Évaluation de la vulnérabilité : Analyser et anticiper la fragilité de ces structures face aux risques naturels majeurs (comme les inondations / crues, ou encore les phénomènes de sécheresse et fissuration des constructions liés au retrait-gonflement des argiles).

- Utilisation de l'Intelligence Artificielle : Développer des algorithmes de Deep Learning appliqués à la télédétection (analyse automatique d'images satellites haute résolution combinées à des données comme Google Street View) pour analyser l'état et l'architecture des façades.

Ce projet collaboratif est soutenu financièrement par la Région Centre-Val de Loire (avec une aide allouée d'environ 200 K€) et réunit plusieurs acteurs majeurs du territoire :

      - BRGM (Direction des Risques et Prévention, basé à Orléans)

      - Laboratoire PRISME de l'Université d'Orléans (qui pilote l'aspect IA et imagerie)

      - Agglopolys (Communauté d'agglomération de Blois)

      - Thélem Assurances (intéressé par l'évaluation des risques pour les habitations)

Les données ainsi produites sont destinées à être partagées et diffusées auprès des acteurs économiques et des collectivités locales pour adapter les politiques d'urbanisme face aux dérèglements climatiques

Un stage étudiant ingénieur de 6 mois a été financé cette année de mars à août 2026 sur le budget CERES « Détection et caractérisation de façades par apprentissage profond dans des images GSV ». Ce stage qui s’est inscrit dans les objectifs du projet CERES pour identifier le bâti et caractériser sa vulnérabilité a contribué significativement aux travaux de thèse de Y. FOUZAI (Bourse Région CVL -BRGM Orléans) « Apprentissage Profond en Télédétection pour la Prévention des Risques Naturels » préparée au laboratoire PRISME de l’université d’Orléans. Et qui développe des modèles deep learning adaptés à l’imagerie multimodale et hétérogène. Le risque naturel de retrait-gonflement des terrains argileux qui fissure les habitations par l’alternance des périodes de pluie et de sécheresse est particulièrement ciblé.

Le stage a permis de créer un pipeline complet de traitements reliant les images des façades aux empreintes des bâtiments dans la BD Topo de l’IGN, qu’il reste à automatiser, à appliquer sur l’ensemble des images acquises pendant la campagne de mesures, à valider complètement face à des données référencées et à valoriser scientifiquement par des publications.

Missions :

Dans le cadre d’un projet portant sur l’analyse automatique des façades de bâtiments à partir d’images de rue, la personne recrutée aura pour mission d'évaluer, optimiser et automatiser un pipeline de traitement développé lors d’un stage de fin d'études ingénieur.

Pipeline de traitements :

Des dizaines de milliers d’images de façades ont été acquises dans l’agglomération orléanaise à l’aide de caméras embarquées sur un véhicule. La mission consistera à traiter l’ensemble des données acquises et à automatiser les différentes étapes du pipeline :

-pré-traitement et organisation des données ;

-détection des façades dans les images ;

-mise en correspondance des façades avec la cartographie BD TOPO - IGN;

-détection des portes et fenêtres

-segmentation des entités détectées

-fusion des différentes vues d’une même façade ;

-calcul du taux d’ouverture des façades ;

-enrichissement sémantique par modèle IA vision-langage

Les interfaces entre les modules traitements doivent d’abord être implémentées pour automatiser l’exécution de l’ensemble du pipeline.
Chacune de ces étapes introduit des incertitudes et il est essentiel d’évaluer leur importance sur chacune d’entre elles afin de les réduire et de quantifier la performance globale de ce pipeline qui exploite les images de rue, une des modalités utilisées dans notre approche qui comprend également les images satellites, les images LiDAR, les données cartographiques…
En particulier, la géo-localisation des images de façades pendant la circulation du véhicule s’est appuyée sur le GPS interne des caméras GoPro embarquées. Nous avions aussi loué un GPS externe de plus grande précision. Ses mesures de référence pourront être utilisées pour évaluer l’incertitude de celles des caméras GoPro et leur incidence sur l’attribution correcte de façades à des bâtiments référencés sur la base BD-Topo de l’IGN.
Il faudra donc disposer d’un jeu de données de référence sur chacune des étapes du pipeline et y confronter les résultats expérimentaux.

Valorisation des travaux :

La personne recrutée contribuera également à la :

-Publication des images de façades collectées sur la plateforme Panoramax, une base de photographies géo-localisées développée par l’IGN, afin de participer au développement d'un géo-commun, une ressource numérique souveraine, libre et réutilisable. Chaque photo géolocalisée publiée sur Panoramax est utilisable par tous et pour des usages variés, par exemple par une collectivité territoriale qui a besoin d'observer l’état de la voirie ou par un opérateur de télécommunications pour préparer une intervention.
-Au code produit pour réaliser le pipeline qui pourra également être mis à disposition de la communauté scientifique.
- Une publication scientifique – conférence internationale ou revue – pourra présenter le pipeline élaboré, et son évaluation quantitative sur la base d’images de notre zone d’études orléanaise.

L’ensemble du travail réalisé pendant le contrat devra être documenté afin de permettre l’exploitation et l’évolution ultérieure du pipeline par PRISME et le BRGM.

Modalités pratiques

Les travaux se dérouleront au BRGM et à proximité au laboratoire PRISME de l'Université d'Orléans au sein de l’axe Images-Vision, installé à Polytech - site Galilée

Profil recherché

Formation et expérience professionnelle :

-BAC+5 (Master 2/ école ingénieur) diplômé en informatique avec de bonnes connaissances en traitement d’images

-Maîtrise de la programmation Python (Pandas, NumPy, Scikit-learn, PyTorch/TensorFlow) ainsi qu’en apprentissage profond

-Bon niveau d’anglais

-Quelques connaissances en Systèmes d’Information Géographique (SIG) seraient également appréciées.

L’UNIVERSITE D’ORLEANS C’EST AUSSI :

Une université européenne, des valeurs partagées, un plan égalité professionnelle femme/homme, diversité et non-discrimination, inclusion, qualité de vie au travail et engagement dans la transition écologique

• Un cadre de travail respectueux de l’équilibre vie professionnelle et vie personnelle :

- Développement de ses compétences à travers une large offre de formation

- Accompagnement des personnes en situation de handicap et adaptation des postes de travail

- Télétravail possible selon nécessité et organisation du service (1 à 2 jours/ semaine)

-57 jours de congés annuels - dont 10 jours de RTT - pour un temps plein actif dès la prise de poste 

• Et des avantages …

- Activités sportives et culturelles

- Restauration collective

- Forfait mobilité durable (vélo, covoiturage)

- Prise en charge partielle des transports

- Aides et prestations d’actions sociales : aide à la famille, aux vacances et séjours pour enfants,

- Aides aux parents d’enfants en situation d’handicap

Adhésion obligatoire à un contrat collectif santé* avec prise en charge partielle par l'employeur

Adhésion facultative à un contrat collectif de prévoyance avec prise en charge partielle par l'employeur

 *sauf cas de dispense prévues par le décret n° 2022-633 du 22 avril 2022

Adressez votre lettre de motivation et votre C.V. jusqu’au  23/10/2026

À propos de Université d'Orléans

Établissement d'enseignement supérieur, l'Université d'Orléans est présente sur 7 sites en région Centre Val de Loire.