Localisation
Alpes Maritimes (06), France (06)
Niveau d'études
Niveau 6 Licence/diplômes équivalents
Publication
4 septembre 2026
Secteur
Informatique & Numerique
Missions principales
L’Institut Sophia Agrobiotech (ISA) se positionne comme un pôle majeur de recherche en biocontrôle, s’appuyant sur des infrastructures expérimentales et numériques générant un volume croissant de données d’imagerie. Au sein de l’infrastructure scientifique collective PlantBIOs, ces données couvrent un large spectre d’échelles biologiques, depuis la microscopie cellulaire et subcellulaire jusqu’à l’imagerie de macro organismes, dans des contextes expérimentaux variés et complexes.
L’analyse du mouvement, du comportement et des dynamiques biologiques constitue un axe structurant pour la compréhension des interactions entre plantes, ravageurs, micro-organismes et organismes bénéfiques. Les approches classiques d’analyse d’images atteignent aujourd’hui leurs limites face à la complexité des données produites (bruit, chevauchement d’objets, hétérogénéité des échantillons, pertes d’identité des individus, données 3D ou temporelles).
Les méthodes d’intelligence artificielle, et en particulier d’apprentissage profond, représentent un levier essentiel pour lever ces verrous technologiques et méthodologiques. Sur le plateau de vidéophénotypage de l’ISC PlantBIOs, le recours à l’IA permettrait le suivi d’individus ou de groupes en environnements complexes, l’analyse du comportement, le maintien de l’identité au sein de populations et l’étude des interactions inter-individuelles, en 2D comme en 3D. Ces développements sont indispensables pour caractériser les macro-organismes d’intérêts en santé des plantes et exploiter pleinement le potentiel des dispositifs expérimentaux. Dans ce contexte, le projet IPIDEO (AAP 2025 du PEPR AgroEcologie et Numérique) vise notamment à développer des outils de vision par ordinateur pour l’étude des dynamiques comportementales des insectes et des interactions plantes-insectes. Ce projet regroupe un consortium de chercheurs issus de 13 unités de 5 établissements partenaires (INRAE, INRIA, CNRS, CEA, Université de Toulouse Capitole).
Compétences attendues
L’Institut Sophia Agrobiotech (ISA) se positionne comme un pôle majeur de recherche en biocontrôle, s’appuyant sur des infrastructures expérimentales et numériques générant un volume croissant de données d’imagerie. Au sein de l’infrastructure scientifique collective PlantBIOs, ces données couvrent un large spectre d’échelles biologiques, depuis la microscopie cellulaire et subcellulaire jusqu’à l’imagerie de macro organismes, dans des contextes expérimentaux variés et complexes. L’analyse du mouvement, du comportement et des dynamiques biologiques constitue un axe structurant pour la compréhension des interactions entre plantes, ravageurs, micro-organismes et organismes bénéfiques. Les approches classiques d’analyse d’images atteignent aujourd’hui leurs limites face à la complexité des données produites (bruit, chevauchement d’objets, hétérogénéité des échantillons, pertes d’identité des individus, données 3D ou temporelles). Les méthodes d’intelligence artificielle, et en particulier d’apprentissage profond, représentent un levier essentiel pour lever ces verrous technologiques et méthodologiques. Sur le plateau de vidéophénotypage de l’ISC PlantBIOs, le recours à l’IA permettrait le suivi d’individus ou de groupes en environnements complexes, l’analyse du comportement, le maintien de l’identité au sein de populations et l’étude des interactions inter-individuelles, en 2D comme en 3D. Ces développements sont indispensables pour caractériser les macro-organismes d’intérêts en santé des plantes et exploiter pleinement le potentiel des dispositifs expérimentaux. Dans ce contexte, le projet IPIDEO (AAP 2025 du PEPR AgroEcologie et Numérique) vise notamment à développer des outils de vision par ordinateur pour l’étude des dynamiques comportementales des insectes et des interactions plantes-insectes. Ce projet regroupe un consortium de chercheurs issus de 13 unités de 5 établissements partenaires (INRAE, INRIA, CNRS, CEA, Université de Toulouse Capitole).
Profil attendu
- Diplôme d’ingénieur ou master 2 en informatique, vision par ordinateur, intelligence artificielle ou discipline équivalente.
- Solides compétences en vision par ordinateur et apprentissage profond (détection, suivi/tracking, ré identification, reconnaissance d’actions).
- Maîtrise de Python et des bibliothèques de deep learning courantes (PyTorch, OpenCV ou équivalents) ; bonnes pratiques de développement (gestion de version, code documenté et réutilisable).
- Expérience souhaitée en traitement de données vidéo et en calcul sur GPU.
- Intérêt pour le travail interdisciplinaire, au contact de biologistes et d’écologues, et capacité à traduire des besoins expérimentaux en solutions techniques.
- Goût pour la transmission : accompagner et former des utilisateurs non spécialistes du numérique.
- Autonomie, rigueur et sens du travail en réseau (collaboration à distance avec Inria, le CEA et les autres partenaires du consortium).
- Bon niveau d’anglais scientifique (rapports, échanges avec les partenaires du consortium).
Métier de référence
Intégratrice / Intégrateur logiciel
Comprendre ce poste
Cet ingénieur·e d'étude en vision par ordinateur joue un rôle clé dans la modernisation des capacités analytiques d'INRAE. Face à des volumes croissants de données d'imagerie complexes (microscopie, tracking d'organismes, imagerie 3D), le poste vise à déployer des solutions basées sur l'intelligence artificielle pour dépasser les limites des méthodes classiques. L'objectif : extraire des données biologiques pertinentes sur les interactions entre plantes et organismes auxiliaires, essentielles au biocontrôle. Ce travail d'intégration technique contribue directement à l'innovation agroécologique et aux enjeux de recherche institutionnelle.
Le recrutement dans ce cadre
Ce recrutement en contrat (emploi réservé aux contractuels) dans la fonction publique d'État offre une stabilité tout en permettant une spécialisation rapide en environnement de recherche. La catégorie d'ingénieur implique une autonomie significative et une responsabilité sur la conception des chaînes de traitement. Des perspectives d'évolution existent via la titularisation ou la migration vers des postes d'ingénieur de recherche confirmé au sein d'INRAE.
Conseils pour candidater
- Valoriser tout portfolio ou publication démontrant la maîtrise pratique du deep learning appliqué à des cas réels (détection, tracking, segmentation), pas seulement des compétences théoriques ; les projets vidéo ou temporels seront particulièrement pertinents.
- Préparer des exemples concrets d'optimisation GPU ou de scalabilité sur gros volumes de données, domaine souvent discriminant chez les candidats junior.
- Souligner l'expérience en travail collaboratif avec des scientifiques (biologistes, agronomes) ou en contexte pluridisciplinaire, clé dans un institut de recherche.
Éclairage rédigé par PostePublic pour contextualiser cette offre.
Réf. INRAE-OT-30443Fonction publique d'État