Descriptif du poste: Rejoindre l'équipe R&D - IA/Deep learning L'objectif est simple : Construire des algorithmes permettant d'extraire les informations des pneumatiques (identification, usure, anomalies, ...) afin d'offrir des diagnostics précis aux clients Profil recherché: Compétences techniques principales * Maîtrise des concepts en apprentissage profond (réseaux convolutifs, transformers, auto-encodeurs, contrastive learning, etc.) * Connaissances solides en statistiques, optimisation et algèbre linéaire * Compréhension des mécanismes d'attention, de normalisation et de régularisation * Vision par ordinateur * Expérience avec les architectures CNN et Vision Transformers * Familiarité avec les tâches classiques : classification, détection d'objets, segmentation, OCR, similarity learning * Connaissance des techniques de fine-tuning   Data & pipeline * Conception et gestion de datasets complexes (nettoyage, équilibrage, augmentation de données) * Analyse et diagnostic des biais et de la qualité des données   Évaluation & robustesse * Définition et analyse des métriques pertinentes * Test de robustesse face au bruit, aux perturbations et aux données hors distribution * Mise en place de validations croisées, d'ablations et de benchmarks internes   Analyse & interprétabilité * Évaluation et interprétation du comportement du modèle via des outils (Grad-CAM, attention maps) et des tests ciblés * Capacité à expliquer les résultats à des non-spécialistes   Compétences logicielles et pratiques * Maîtrise de PyTorch (et éventuellement TensorFlow/Keras) * Python (obligatoire, avec un code structuré et maintenable) * Outils de versioning (Git, GitHub/GitLab)   Compétences en R&D et méthodologie * Capacité à concevoir et prototyper rapidement de nouvelles approches * Revue d'articles scientifiques, veille active et adaptation de nouvelles méthodes * Aptitude à modifier des modèles existants (custom layers, architectures hybrides) * Rigueur scientifique : mise en place d'expérimentations reproductibles * Bonnes pratiques de documentation et communication claire des résultats   Compétences transverses * Travail en équipe (partage de code, peer review, collaboration avec data engineers / produit) * Capacité à vulgariser des concepts complexes pour des stakeholders * Autonomie dans l'exploration de solutions et la résolution de problèmes * Curiosité et goût pour la recherche appliquée