La position post-doctorale se focalise sur la constitution du jeu de données d'entrainement et la structuration de l'information. L'objectif est ici d'identifier les paramètres et variables pouvant influencer les niveaux d'eau, particulièrement la piézométrie, pour ensuite abonder les modèles. Certaines variables et paramètres sont déjà disponibles et bien structurés au sein de bases de données nationales (e.g. BDLISA, ADES, Hydroportail), tandis que d'autres seront potentiellement à créer à partir de jeux de données existants, notamment pour les paramètres statiques s'ils semblent pertinents à intégrer dans les modèles (e.g. distance à la côté). Ces variables et paramètres seront testés au sein des modèles IA au-fur-et-à-mesure. La mise au point de méthodes de data-augmentation permettra également de dériver de l'information depuis des jeux de données existants, éventuellement en les fusionnant. Pour cela, il est attendu de mettre en place des processus répétables, documentés. Ce second aspect représente un aspect novateur dans le domaine de l'eau souterraine. La direction de l'Eau (DE) a pour mission d'apporter des solutions aux défis sociétaux en matière de gestion des ressources en eau et d'impacts environnementaux des activités anthropiques sur la géosphère. Dans le cadre de vos missions, vous serez amené·e à : - Inventorier, structurer et documenter les données utiles au projet - Moissonner les sources de données existantes, alimenter la base de données du projet, et mettre à disposition le jeu de données - Recueillir, expliciter et analyser les besoins des modélisateurs - Proposer, documenter, et mettre en oeuvre des méthodes permettant de traiter le jeu de données en vue de répondre aux besoins en données des modélisateurs - Data-augmentation : fusionner les jeux de données, dériver des informations de jeux de données existants (géostatistique, analyse d'image satellite, modèle par apprentissage, etc.). Date de début souhaitée 01/03/2025 Formation Doctorat Expérience 1 - 5 ans Vous mobiliserez les compétences et qualités suivantes : - Connaissances en hydrogéologie - Connaissances des modèles par apprentissage (machine learning et deep learning) - Compétences en gestion de la donnée, et des systèmes d'informations des données environnementales - Maîtrise d'un langage de base de données, de préférence PostGRESQL - Maitrise d'un langage de programmation parmi R, Python, Matlab - Autonomie et capacité d'initiative - Capacité d'écoute, et au travail pluridisciplinaire.