Vision par Ordinateur et IA au Service de la Navigation Aérienne H/F Orange
- Meylan - 38
- Stage
- 6 mois
- Bac +5
- Industrie high-tech • Telecom
À noter sur ce job
Vous avez ces compétences ? Cliquez dessus pour les ajouter rapidement à votre profil !
Les missions du poste
La détection et la caractérisation des nuages représentent un enjeu pour l'aide à la navigation aérienne. La couverture, la localisation et la structure des formations nuageuses fournissent des informations utiles.
Ce stage s'inscrit dans le projet Climate Impulse, qui ambitionne de réaliser le premier tour du monde sans escale et sans émission. Il vise à explorer des méthodes d'analyse automatique d'images pour détecter et décrire les conditions nuageuses observées depuis un aéronef.
Les méthodes classiques de vision par ordinateur, comme les modèles YOLO, détectent rapidement des objets, mais nécessitent des données annotées. Les modèles de langage multimodaux peuvent, quant à eux, interpréter une image et en produire une description contextualisée. Ils pourraient compléter ces méthodes en localisant les nuages ou en décrivant la scène dans son ensemble.
Le stage comparera ces deux approches, évaluera leurs performances et leurs limites, et étudiera leur complémentarité pour l'analyse de scènes nuageuses en contexte d'aide à la navigation.
Travail à réaliser
1. État de l'art et données
Réaliser une revue bibliographique sur la détection, la classification et la caractérisation des nuages par vision par ordinateur. Identifier, sélectionner ou enrichir des jeux de données d'images du ciel, aériennes ou embarquées, et étudier la création de données synthétiques adaptées aux cas d'usage.
2. Vision par ordinateur traditionnelle
Mettre en ouvre en Python/PyTorch un ou plusieurs modèles de référence de type YOLO. Les entraîner et les évaluer pour détecter et/ou classer les formations nuageuses, en mesurant leurs performances, leur robustesse aux variations visuelles et leur temps d'inférence.
3. Modèles multimodaux
Tester plusieurs modèles, via API et/ou localement pour les modèles open weight. Concevoir des requêtes produisant une description structurée : présence et couverture des nuages, localisation, caractéristiques observables et incertitude. Évaluer la pertinence, la fiabilité, la latence et les limites des modèles.
4. Comparaison et démonstrateur
Comparer les approches selon leur précision, robustesse, explicabilité, coût et temps de calcul. Étudier une approche hybride combinant détection locale et interprétation de la scène par un modèle multimodal. Réaliser un démonstrateur visualisant les détections et les descriptions produites.
Le profil recherché
Intérêt pour le Deep Learning, la Computer Vision;
Curiosité pour les LLM multimodaux et les approches d'IA générative ;
Rigueur expérimentale
Bonnes compétences en Python;
Infos complémentaires
Les étapes de recrutement
Les étapes de recrutement peuvent varier selon l'offre à laquelle vous postulez.
-
Proposition d’entretien ou réponse négative dans les 15 jours après votre candidature
-
Entretien en visio ou présentiel avec le/la consultant(e) en recrutement sous 15 jours
-
Rencontre en visio ou présentiel avec le/la manager
-
Votre candidature est retenue, félicitations ! Vous recevez votre proposition d'embauche
-
Bienvenue chez Orange :) votre programme d’intégration démarre
-
En cas de réponse négative, nous restons à votre disposition pour un debrief
-
Orange en images
La carte
22 Chemin du Vieux Chêne
38240 Meylan
Publiée le 06/10/2026 - Réf : 31159451 2026-54532
