Post doctorant en recherche sur la modélisation et la simulation de la mobilité des personnes
Université Gustave Eiffel (ouvre un nouvel onglet) — Université Gustave Eiffel
Localisation
5 Boulevard Descartes 77420 Champs-sur-Marne (77)
Temps de travail
Complet
Contrat
CDD d'1 an — 12 mois
Statut du poste
Vacant
Niveau d'études
Niveau 8 Doctorat/diplômes équivalents
Publication
10 avril 2026
Date limite
10 mai 2026
Domaine
Informatique, traitement de l'information, réseau de transmission des données
Secteur
Recherche & Innovation
Missions principales
Le-la postdoctorant-e contribuera aux activités suivantes :
• Inférence de choix de mobilité à partir d’évidence hétérogène : transformer des informations comportementales non structurées (texte libre d’enquêtes, retours usagers, messages d’incidents/événements, alertes de service) en facteurs sémantiques (fiabilité, congestion/crowding, confort, sécurité, coût, accessibilité), puis les fusionner avec des traces structurées et du contexte urbain (tarification, perturbations, événements, signaux exogènes) afin d’inférer des distributions probabilistes de choix modaux et de décisions de mobilité.
• Agents LLM guidés par des distributions pour des chaînes de déplacements complètes : concevoir des agents LLM générant des chaînes journalières complètes (activités, lieux/POI, horaires, durées, transferts multimodaux) guidées par des distributions apprises et ancrées par des outils externes (routage/POI/contexte), garantissant une plausibilité au niveau individuel et une fidélité statistique au niveau agrégé.
• Adaptation au contexte et robustesse : permettre l’ajustement des séquences de mobilité en conditions changeantes (perturbations, météo, événements, congestion), tout en conservant diversité, réalisme, et reproductibilité.
• Expérimentation et évaluation : conduire des campagnes expérimentales sur données France–Canada (sous réserve des accords et règles de gouvernance), incluant Paris/Lyon (smart card, boucles de comptage, agrégats OD/presence mobile, enquête GPS, flux vélos, événements texte, census/OD) et Montréal/Ottawa (agrégats mobile, smart card, requêtes de planification, vélos, enquête OD), avec des évaluations micro (cohérence des chaînes, faisabilité temporelle/transferts) et macro (OD, parts modales, profils temporels), ainsi que des tests de transfert inter-villes et inter-pays.
• Valorisation : publications, communications scientifiques, contribution aux livrables et à la diffusion open science du projet.
Profil attendu
Profil recherché :
Doctorat (obtenu) en informatique, génie des transports, mathématiques appliquées/statistiques, ou domaine proche.
Solide background en machine learning (modélisation probabiliste et/ou représentation ; modèles génératifs appréciés).
Expérience en LLMs/NLP et/ou systèmes agentiques fortement souhaitée.
Très bonnes compétences en Python et capacité à construire des pipelines expérimentaux reproductibles.
Capacité à mener une recherche autonome et à rédiger des articles scientifiques en anglais.
Qualités attendues : autonomie, rigueur, esprit d’équipe, communication claire, respect de l’éthique et des bonnes pratiques (données sensibles).
Autres :
Compétences requises : Machine learning (modélisation probabiliste, représentation, modèles génératifs), LLMs/NLP et/ou systèmes agentiques, fusion de données multi-sources, programmation Python avancée, expérimentation reproductible (versioning, pipelines, documentation), rédaction scientifique en anglais.
Formation et expérience professionnelle : Doctorat dans un domaine pertinent (informatique, transport, statistiques/mathématiques appliquées). Une expérience avec données de mobilité (smart card, OD agrégées, GPS), simulation mobilité/agents (p. ex. MATSim/SUMO) ou intégration de données hétérogènes est appréciée.
Environnement, contexte de travail, rattachement hiérarchique : Laboratoire GRETTIA (département COSYS) – environnement pluridisciplinaire ; travail en interaction étroite avec l’équipe d’encadrement (Univ Eiffel et McGill) ; participation à la vie scientifique (séminaires, conférences) ; accès à ressources de calcul et jeux de données, dans le respect des règles de gouvernance et de confidentialité.
Savoir : Bases solides en apprentissage statistique et probabiliste ; notions de modèles génératifs (VAE/GAN/diffusion) ; bases en NLP/LLMs (embeddings, prompting, agents/outils) ; principes de modélisation des systèmes de transport ; notions de confidentialité/éthique des données.
Savoir-faire : Concevoir des modèles et architectures (LLM + modèles probabilistes/génératifs), mettre en place des pipelines de préparation/fusion de données, implémenter et évaluer des agents génératifs (chaînes de déplacements, intermodalité, contraintes temporelles), conduire des expérimentations multi-villes, analyser et présenter des résultats, produire du code documenté, traçable et reproductible, publier et communiquer.
Savoir-être : Autonomie, rigueur, sens de l’initiative, curiosité scientifique, esprit d’équipe, communication claire, respect de l’éthique et des bonnes pratiques de recherche ; capacité à travailler dans un contexte international (mobilité possible à McGill)
Conditions d'exercice
Mobilité possible à McGill (université de Montréal)
Informations complémentaires
Fourchette de rémunération : entre 2875 euros et 3331 euros bruts mensuels
Métier de référence
Chercheuse / Chercheur
Réf. 2026-2248490Fonction publique d'État