Missions

Les nouvelles technologies d’intelligence artificielle apportent un renouveau dans la modélisation et la compréhension des systèmes terrestres. Le sous-sol est au premier ordre généralement contrôlé par les hétérogénéités spatiales affectées d’un haut niveau d’incertitudes. Ceci explique que le sous-sol présente plusieurs verrous scientifiques particuliers qui demandent à la fois une formalisation adaptée des connaissances géologiques et le développement d’approches d’intelligence artificielle innovantes pour que le développement des nouvelles technologies numériques puisse pleinement contribuer à la caractérisation de l’architecture du sous-sol.
Ce poste prend place dans un projet de recherche qui propose une approche innovante s’inspirant des processus cognitifs mis en œuvre par les géologues structuralistes. Ce nouveau paradigme d’assimilation automatique de données repose sur (1) une formalisation des connaissances et des processus d’interprétation dans un ontologie spécialisée, (2) sur un algorithme d’interprétation itératif basé sur une démarche d’amélioration continue, et (3) sur un apprentissage machine guidée par la théorie et les analogues de terrain.
La personne recrutée participera à 4 missions en collaboration avec les autres acteurs du projet :
Mission 1 – Participation au Développement Informatique : la première et principale des missions consistera à participer à l’implémentation de l’algorithme d’interprétation automatique à partir du prototype déjà publié (Laouici et al., 2024). Cette implémentation se fera principalement en langage python, avec l’inclusion possible de modules compilés python ou C++. Une tâche de documentation et publication de ces codes sera également associée à cette première mission. Les développements en cours portent notamment sur (1) l’amélioration de moteur d’interprétation, (2) l’applicabilité à des modèles sous forme de nuages de points ou de maillages texturés issus de la photogrammétrie, (3) l’application à des modèles géologiques 3D sous forme de surfaces triangulées.
Mission 2 – Recherche sur l’intégration de l’apprentissage machine : différentes étapes clefs du processus geocognitif implémenté dans le code d’interprétation pourraient bénéficier d’algorithmes basés sur l’apprentissage machine. Un travail de recherche sera donc à développer pour formaliser ces tâches et identifier les processus d’apprentissage les plus adaptés à leur résolution.
Mission 3 – Participation à la construction de corpus : l’apprentissage machine, mais aussi le test et développement de l’algorithme d’interprétation, nécessitent de rassembler un jeu de données conséquent sous la forme d’un corpus de structures géologiques. Il s’agira de participer à l’amélioration de ce corpus, notamment par le co-encadrement de stages de recherche M1 et M2, et par l’acquisition numérique de répliques digitales 3D d’échantillons par photogrammétrie.
Mission 4 – Publication des résultats : ces différents travaux feront l’objet d’une valorisation sous la forme d’articles scientifiques et de contributions dans des congrès, financés par le projet MaLISSiA.

Activités

Les activités correspondant à ces différentes missions comporteront : (1) du développement informatique en python (et éventuellement compilés cython, c++) ; (2) une participation aux efforts de documentation, construction d’exemples, et dissémination du code développé ; (3) la rechercher bibliographique sur les outils d’apprentissage machine applicables aux problématiques soulevées ; (4) l’encadrement de stagiaires en master sur des sujets en support du postdoctorat en question ; (5) la valorisation et publication dans des conférences et journaux scientifiques.

Compétences

Nous recherchons des candidat·es titulaires d’un doctorat avec une formation en science :
 Le profil recherché est soit celui d’un·e géologue numéricien·ne avec une expérience dans la formalisation et l’implémentation numérique de méthodes de modélisation, soit d’un·e spécialiste en informatique scientifique ayant une appétence pour les structures spatiales ou la description d’objets naturels.
 Une formation de base et/ou première expérience sur certains points clefs du profil seront appréciés : intelligence artificielle, apprentissage automatique, vision par ordinateur, web sémantique, modélisation géologiques 3D, photogrammétrie.
 Dans tous les cas, des compétences en programmation sont attendues, autant sur l’usage technique du langage (Python) que sur les méthodes de développement (e.g., structuration du code, programmation orientée objet, documentation, gestion de version).
 Enfin, comme pour tout travaux de recherche, l’enthousiasme, les capacités à travailler en équipe, à synthétiser et à rendre compte par oral et écrit (en français et en anglais) seront nécessaire pour mener à bien ces missions.

Contexte de travail

Ce poste s’intègre dans le projet MaLISSiA financé par l’ANR (ANR-JCJC : ANR-22-CE56-0001-01). Il se déroulera au CNRS, au sein du laboratoire ISTO (Institut des Sciences de la Terre d’Orléans) dans l’équipe Système Métallogénique. Cette équipe développe un axe de recherche portant sur la modélisation des structures géologiques, en particulier dans des contextes de formation de gisements métalliques. Le projet MaLISSiA trouve aussi des applications dans le cadre de structures plus superficielles comme celles de l’Observatoire de la Zone-Non Saturée (O-ZNS), dont les structures contrôlent les transferts d’eau vers la nappe phréatique de Beauce. Ce projet se fait également en interaction forte avec le BRGM et pourra bénéficier de l’infrastructure du mesocentre de calcul CaSciModOT.