Votre espace candidat vous permettra d'accéder à toutes les fonctionnalités du site. Vous pourrez déposer et analyser votre CV, créer des alertes emploi, répondre et postuler directement aux offres et bien d'autres encore. N'attendez plus !
Votre espace recruteur vous permettra d'accéder à toutes les fonctionnalités du site. Vous pourrez déposer et gérer vos offres, consulter notre Cvthèque et bien d'autres encore. N'attendez plus !
L’intelligence artificielle induit des changements profonds dans les paysages scientifiques, économiques, politiques et sociétaux contemporains. Une décennie après sa « renaissance », l’apprentissage automatique continue à réaliser des avancées sur de nombreux fronts, au prix cependant d’une boulimie de ressources informatiques induisant une consommation électrique préoccupante. Les modèles de langage actuels comportent quelques centaines de milliards de paramètres et consomment pour leur entraînement seul plusieurs GWh, ce qui aujourd’hui motive la recherche d’approches (de rupture) plus sobres. En plus des diverses initiatives visant à développer des composants et systèmes numériques pensés pour l’IA et dotés d’une meilleure efficacité énergétique, des approches disruptives en IA doivent être développées pour viser des gains énergétiques encore plus importants. Cette évolution passera probablement par l’utilisation de modèles différents de ceux utilisés traditionnellement en apprentissage et présentant des propriétés proches des comportements de composants physique, en facilitant par là-même l’implantation. Le projet Emergences vise à faire avancer l’état de l’art sur les modèles émergents proches de la physique en explorant de manière collaborative divers modèles de calcul en utilisant les propriétés de différents dispositifs physiques. Les efforts seront concentrés sur trois fronts distincts : les modèles évènementiels bio-inspirés, les modèles inspirés de la physique (de la dynamique des systèmes) et les solutions d’apprentissage automatique innovantes proches de la physique (exploitant les propriétés de composants physiques). Les investigations porteront sur l’IA embarquée pour l’« Edge AI», où le besoin d’une efficacité énergétique accrue est prégnant, pour l’inférence et pour l’apprentissage qui pourra être incrémental. Elles viseront plusieurs domaines d’application allant par exemple de la surveillance de l’environnement à la santé. Descriptif de la mission :Ces investigations seront menées sur la base d’outils, de bases de données et de métriques de performance communs qui feront l’objet d’une initiative transversale collaborative. L’objectif de cette mission est donc de participer à ces efforts. Les attendus sont :Au niveau de outils : organisation d’une ou plusieurs forge(s) logicielle(s) avec intégration des modèles/lois d’apprentissage des partenairesAu niveau des benchmarks : comparaisons des différents modèles développés dans les 3 axes cœur du projet et avec l’état de l’art.Mise en œuvre des protocoles expérimentaux robustesParticipation à la définition des datasets, métriques (accuracy, conso, surface, latence, robustesse au bruit,...) pour benchmark des différents modèlesMise en œuvre d’une référence sur un microcontrôleurUne participation aux publications avec les doctorants participants au projet est aussi attendue.
jeune docteur-e ou ingénieur intéressé par de la recherchesoftware engineeringoutils ML, apprentissageelectrical engineering (secondaire)