Ingénieur·e d'études en IA et télédétection satellitaire (H/F)

Job Description

Missions

La salinité de surface de la mer (SSS) est une variable essentielle pour l’étude de la circulation océanique, du cycle hydrologique et des échanges entre l’océan et l’atmosphère. Les missions satellitaires telles que SMOS permettent aujourd’hui d’observer la SSS à l’échelle globale, mais leur résolution spatiale reste insuffisante pour caractériser certaines structures dynamiques de fine échelle, notamment les fronts, les panaches fluviaux et la variabilité méso- et subméso-échelle.
Dans le cadre du projet SUMO, Salinity Understanding through integrated Model and Observations, financé par le CNES, de premiers travaux ont montré le potentiel de modèles génératifs de diffusion pour reconstruire des structures fines de SSS à partir d’observations à résolution plus grossière, en les conditionnant par des variables océaniques disponibles à plus haute résolution, notamment la température de surface de la mer (SST) et l’altimétrie (Forestier et al., 2026).
Le projet vise désormais à aller au-delà de la démonstration méthodologique afin de comprendre les conditions dans lesquelles ces approches permettent de restituer une information de SSS physiquement robuste, généralisable et quantifiable en termes d’incertitude. La personne recrutée contribuera directement à cette recherche, depuis la conception des expériences numériques jusqu’à l’analyse et l’interprétation scientifique des résultats.

Questions scientifiques au cœur du projet:
• Quelle information physique contenue dans les variables auxiliaires permet effectivement de contraindre la reconstruction de la SSS ?
• Dans quelle mesure les modèles développés dans un régime océanique donné peuvent-ils être transférés à des environnements dynamiques différents ?
• Comment caractériser et quantifier les incertitudes associées aux structures fines générées par les modèles ?


Les missions de recherche:
• Développer et explorer des approches d’apprentissage profond pour le downscaling de la SSS, notamment des modèles génératifs de diffusion et, selon les besoins scientifiques du projet, d’autres approches récentes telles que le flow matching.
• Concevoir et conduire des expériences numériques permettant de caractériser l’apport respectif des différentes sources d’information à haute résolution (SST, altimétrie, couleur de l’océan, précipitations ou autres variables environnementales).
• Étudier la capacité des modèles à restituer les structures spatiales fines de la SSS au-delà des seules métriques globales d’erreur, notamment les gradients, fronts, structures méso-échelles et propriétés spectrales des champs reconstruits.
• Évaluer la robustesse et la généralisation des méthodes entre plusieurs environnements océaniques présentant des dynamiques contrastées, en particulier le Gulf Stream et le panache de l’Amazone.
• Contribuer à l’interprétation scientifique des résultats, aux livrables du projet CNES et à la rédaction de publications scientifiques.

Activity

La personne recrutée sera amenée à articuler développement méthodologique, expérimentation numérique et analyse de données géophysiques multi-sources, et participer aux échanges scientifiques entre LOCEAN, LOG et partenaires CNES, ainsi qu’à la valorisation des résultats.

Your Profil

Skills

Le poste s’adresse à une personne titulaire d’un diplôme de niveau Bac+5 en intelligence artificielle, sciences des données, mathématiques appliquées, souhaitant travailler à l’interface entre développement méthodologique et recherche en sciences de l’océan.

Compétences attendues:
• Solides compétences en apprentissage automatique et/ou apprentissage profond, avec une expérience pratique du développement, de l’entraînement et de l’évaluation de modèles.
• Capacité à formuler des hypothèses, concevoir des expériences numériques et analyser de manière critique les résultats obtenus.
• Maîtrise de Python et des environnements scientifiques associés

Connaissances appréciées:
• Expérience des modèles génératifs, notamment diffusion models, flow matching ou méthodes apparentées.
• Méthodes de super-résolution, downscaling, quantification des incertitudes ou interprétabilité des modèles.
• Produits d’Observation de la Terre, données satellitaires et simulations numériques de l’océan.

Savoir-être:
• Autonomie scientifique et technique, rigueur, curiosité et capacité à questionner les résultats obtenus.
• Goût pour le travail interdisciplinaire et les échanges entre intelligence artificielle, télédétection et océanographie.
• Capacité à documenter les méthodes, à présenter les résultats aux partenaires et à contribuer à une rédaction scientifique.

Your Work Environment

La personne recrutée travaillera au sein du projet SUMO, porté par le LOG en partenariat étroit avec le LOCEAN et le CNES.
Le poste sera acceuilli au sein du LOCEAN, Paris, France
Le poste s’inscrit dans une dynamique interdisciplinaire associant intelligence artificielle, salinité satellitaire, océanographie physique, couleur de l’océan, précipitations et cycle du carbone côtier.
Le poste ne se limite pas à la mise en œuvre d’une chaîne de traitement existante : l’ingénieur·e de recherche participera directement à la définition des expériences, au développement méthodologique, à l’analyse critique et à l’interprétation scientifique des résultats. Les travaux réalisés contribueront aux livrables CNES et ont vocation à alimenter une ou plusieurs publications scientifiques internationales.

Candidature composée d’un CV, d’une courte lettre de motivation et, si possible, d’exemples de codes, notebooks, publications ou réalisations scientifiques et techniques pertinentes. Contact scientifique : Sylvie Thiria au LOCEAN, Roy El Hourany au LOG

Constraints and risks

• Poste à temps complet, sans astreinte particulière.
• Déplacements ponctuels à prévoir entre Paris et Wimereux.
• Travail sur serveurs de calcul et grands volumes de données environnementales.

Compensation and benefits

Compensation

2521

Annual leave and RTT

44 jours

Remote Working practice and compensation

Pratique et indemnisation du TT

Transport

Prise en charge à 75% du coût et forfait mobilité durable jusqu’à 300€

About the offer

About the CNRS

The CNRS is a major player in fundamental research on a global scale. The CNRS is the only French organization active in all scientific fields. Its unique position as a multi-specialist allows it to bring together different disciplines to address the most important challenges of the contemporary world, in connection with the actors of change.

CNRS

The research professions