Ingénieur IA Vision-Langage (H/F) OCTOMIRO
Rennes (35) CDI Télétravail partielExp. 1-2 ans
Salaire non précisé
Il y a 24 minutes sur le WebSoyez parmi les premiers à postuler
Généré par Méo, notre assistant carrière IA peut faire des erreurs.
Description du poste
Octomiro est une startup deeptech en vision par ordinateur, incubée à IMT Atlantique et soutenue par France 2030. Notre conviction : les caméras déjà installées dans les usines et les entrepôts sont les meilleurs capteurs du terrain. Nous les transformons en flux de données structurées, injectées dans les ERP, MES et WMS de nos clients.
Concrètement, nos modèles tournent sur des flux vidéo réels : compter des pièces sur un convoyeur ou des colis sur une palette, détecter une étiquette mal posée, un emballage abîmé ou un défaut de soudure, suivre les gestes d'un opérateur sur un poste de conditionnement. L'inférence se fait sur GPU dans le cloud ou en edge, au plus près des lignes de production.
Le sujet
Nos modèles de détection d'anomalies (approches de type RD4AD, PatchCore) savent dire qu'une image est anormale. Ils ne savent pas dire pourquoi. Votre mission est de lever ce verrou : construire des modèles qui détectent, localisent et décrivent un défaut en langage naturel, y compris des défauts jamais vus à l'entraînement, avec très peu d'exemples annotés. Ce travail s'inscrit dans un programme de R&D de deux ans financé par Bpifrance, la Région Bretagne et l'État.
Vos missions
Établir l'état de l'art : VLM (Qwen-VL, InternVL, Florence-2, LLaVA), embeddings visuels (CLIP, DINOv2), segmentation (SAM), détection d'anomalies zero-shot et few-shot
Concevoir les architectures : couplage d'un détecteur d'anomalies et d'un VLM, fine-tuning (LoRA, QLoRA), prompting visuel, génération d'explications ancrées dans la zone détectée
Construire les jeux de données : collecte sur sites pilotes, annotation, génération de défauts synthétiques, protocoles d'évaluation (AUROC, PRO, précision des descriptions)
Optimiser pour la production : quantification, export ONNX ou TensorRT, latence compatible avec la cadence d'une ligne, déploiement sur NVIDIA Jetson
Intégrer les modèles dans notre plateforme : API FastAPI, conteneurs Docker, pipelines d'entraînement reproductibles
Valider les prototypes en conditions réelles avec l'équipe et nos industriels partenaires
Dans un second temps, contribuer à la compréhension de vidéo longue durée : segmentation d'activités, mémoire temporelle, analyse de flux sur des journées entières
Notre stack
Python, PyTorch, Hugging Face, OpenCV, Ultralytics, FastAPI, Docker, PostgreSQL, Supabase. GPU NVIDIA (V100S, A100) chez OVHcloud et AWS, NVIDIA Jetson en edge. Git, CI, suivi d'expériences.
L'équipe
Une équipe technique resserrée : un CTO, un architecte systèmes et cloud, des ingénieurs vision. Vos choix techniques partent en production chez nos clients en quelques semaines, pas en quelques années.
Ce que nous proposons
CDI, statut cadre, prise de poste en février 2027
Bureaux sur le campus d'IMT Atlantique à Rennes (Cesson-Sévigné), télétravail partiel
Accès à des ressources GPU dédiées
Un vrai problème de recherche, financé, avec des données industrielles réelles
Participation à des conférences et veille scientifique encouragées
Profil recherché (étape 2 du formulaire)
Bac+5 (école d'ingénieur ou master) en IA, vision par ordinateur ou apprentissage automatique. Un doctorat est un plus
2 ans d'expérience minimum en deep learning appliqué à l'image ou à la vidéo (thèse et stages compris)
Très bonne maîtrise de Python et PyTorch, aisance avec l'écosystème Hugging Face
Expérience concrète des modèles multimodaux ou des modèles de fondation en vision
Connaissance de la détection d'anomalies, de la segmentation ou de la détection d'objets
Capacité à passer d'un notebook à un service en production (Docker, API, GPU)
Lecture courante d'articles scientifiques en anglais
Appréciés : analyse vidéo, optimisation d'inférence (TensorRT, quantification), edge computing, publications ou contributions open source
Compétences à saisir dans le formulaire : Python - PyTorch - Deep learning - Vision par ordinateur - Modèles
Concrètement, nos modèles tournent sur des flux vidéo réels : compter des pièces sur un convoyeur ou des colis sur une palette, détecter une étiquette mal posée, un emballage abîmé ou un défaut de soudure, suivre les gestes d'un opérateur sur un poste de conditionnement. L'inférence se fait sur GPU dans le cloud ou en edge, au plus près des lignes de production.
Le sujet
Nos modèles de détection d'anomalies (approches de type RD4AD, PatchCore) savent dire qu'une image est anormale. Ils ne savent pas dire pourquoi. Votre mission est de lever ce verrou : construire des modèles qui détectent, localisent et décrivent un défaut en langage naturel, y compris des défauts jamais vus à l'entraînement, avec très peu d'exemples annotés. Ce travail s'inscrit dans un programme de R&D de deux ans financé par Bpifrance, la Région Bretagne et l'État.
Vos missions
Établir l'état de l'art : VLM (Qwen-VL, InternVL, Florence-2, LLaVA), embeddings visuels (CLIP, DINOv2), segmentation (SAM), détection d'anomalies zero-shot et few-shot
Concevoir les architectures : couplage d'un détecteur d'anomalies et d'un VLM, fine-tuning (LoRA, QLoRA), prompting visuel, génération d'explications ancrées dans la zone détectée
Construire les jeux de données : collecte sur sites pilotes, annotation, génération de défauts synthétiques, protocoles d'évaluation (AUROC, PRO, précision des descriptions)
Optimiser pour la production : quantification, export ONNX ou TensorRT, latence compatible avec la cadence d'une ligne, déploiement sur NVIDIA Jetson
Intégrer les modèles dans notre plateforme : API FastAPI, conteneurs Docker, pipelines d'entraînement reproductibles
Valider les prototypes en conditions réelles avec l'équipe et nos industriels partenaires
Dans un second temps, contribuer à la compréhension de vidéo longue durée : segmentation d'activités, mémoire temporelle, analyse de flux sur des journées entières
Notre stack
Python, PyTorch, Hugging Face, OpenCV, Ultralytics, FastAPI, Docker, PostgreSQL, Supabase. GPU NVIDIA (V100S, A100) chez OVHcloud et AWS, NVIDIA Jetson en edge. Git, CI, suivi d'expériences.
L'équipe
Une équipe technique resserrée : un CTO, un architecte systèmes et cloud, des ingénieurs vision. Vos choix techniques partent en production chez nos clients en quelques semaines, pas en quelques années.
Ce que nous proposons
CDI, statut cadre, prise de poste en février 2027
Bureaux sur le campus d'IMT Atlantique à Rennes (Cesson-Sévigné), télétravail partiel
Accès à des ressources GPU dédiées
Un vrai problème de recherche, financé, avec des données industrielles réelles
Participation à des conférences et veille scientifique encouragées
Profil recherché (étape 2 du formulaire)
Bac+5 (école d'ingénieur ou master) en IA, vision par ordinateur ou apprentissage automatique. Un doctorat est un plus
2 ans d'expérience minimum en deep learning appliqué à l'image ou à la vidéo (thèse et stages compris)
Très bonne maîtrise de Python et PyTorch, aisance avec l'écosystème Hugging Face
Expérience concrète des modèles multimodaux ou des modèles de fondation en vision
Connaissance de la détection d'anomalies, de la segmentation ou de la détection d'objets
Capacité à passer d'un notebook à un service en production (Docker, API, GPU)
Lecture courante d'articles scientifiques en anglais
Appréciés : analyse vidéo, optimisation d'inférence (TensorRT, quantification), edge computing, publications ou contributions open source
Compétences à saisir dans le formulaire : Python - PyTorch - Deep learning - Vision par ordinateur - Modèles
Salaire et avantages
Annuel de 36000.0 Euros à 45000.0 Euros
Ordinateur portable
Complémentaire santé
Ordinateur portable
Complémentaire santé
Référence : 216RNXQ
Recommandé pour vous

Rennes (35) CDI 50 000 € - 58 000 € par an Il y a 7 jours