Lieu : Palaiseau, France Construisons ensemble un avenir de confiance Thales est un leader mondial des hautes technologies spécialisé dans trois secteurs d'activité : Défense & Sécurité, Aéronautique & Spatial, et Cyber & Digital. Il développe des produits et solutions qui contribuent à un monde plus sûr, plus respectueux de l'environnement et plus inclusif. Le Groupe investit près de 4,5 milliards d'euros par an en Recherche & Développement, notamment dans des domaines clés de l'innovation tels que l'IA, la cybersécurité, le quantique, les technologies du cloud et la 6G. Thales compte près de 85 000 collaborateurs dans 65 pays. Nos engagements, vos avantages- Une réussite portée par notre excellence technologique, votre expérience et notre ambition partagée - Un package de rémunération attractif - Un développement des compétences en continu : parcours de formation, académies et communautés internes - Un environnement inclusif, bienveillant et respectant l'équilibre des collaborateurs - Un engagement sociétal et environnemental reconnu Votre quotidienThales Research&Technology, notre centre de recherche dans les domaines matériels, et CortAIx Labs, notre centre de recherche en IA et digital ont pour mission de proposer des innovations de ruptures, de maintenir et d'accroitre l'avance technologique et d'en assurer la compétitivité pour le groupe. En nous rejoignant, vous intégrerez l'équipe D&O de cortAIx-Labs, en partenariat avec le LTCI à Télécom Paris en tant que Doctorant. Votre sujet portera sur l'explicabilité des méthodes de deep learning pour la détection d'objets, basée les grands modèles de vision language. Les réseaux de neurones profonds sont très performants pour détecter des objets dans les images aériennes. En revanche, chaque prédiction implique un grand nombre d'opérations de l'algorithme, et les prédictions ne sont donc pas compréhensible par l'utilisateur. On dit alors que les réseaux de neurones ont un aspect boîte noire, ce qui limite fortement leur déploiement opérationnel dans des applications critiques. En effet, la fiabilité des réseaux de neurones est difficile à quantifier, les prédictions erronées sont difficilement détectables, et le manque de transparence limite la confiance des utilisateurs finaux. Vos travaux de thèse porteront sur le développement de nouvelles méthodes d'explicabilité des algorithmes d'apprentissage profond pour la détection d'objets dans les images aériennes, en se focalisant sur des explications basées sur des concepts et les grands modèles de vision-langage. Un concept est typiquement une expression de quelques mots, qui permet d'identifier si un attribut spécifique est présent dans une image. Jusqu'à récemment, les modèles d'apprentissage automatique construits avec des concepts étaient appris à partir de données annotées manuellement, ce qui limitait grandement leur utilisation. Les modèles de vision-langage ont permis de lever cet obstacle, et semblent particulièrement prometteurs pour expliquer efficacement les algorithmes d'apprentissage profond pour le traitement d'images. Au cours de la thèse, vous vous intéresserez notamment aux liens entre les modèles explicables et les détecteurs boîtes noires, ainsi qu'à la fidélité de la représentation des concepts. Dans un premier temps, les algorithmes développés seront testés sur des bases de données publics standards, et ensuite sur des données représentatives des cas d'applications de Thales. Dans ce cadre vous aurez pour missions :   - Effectuer la bibliographie de l'état de l'art - Développer de nouveaux algorithmes - Les évaluer sur des cas d'usages de Thales, - Rédiger des brevets et publications Notre site est reconnu par le label Employeur Pro-Vélo Argent ! Nous mettons ainsi à disposition un parking vélo, des douches, vestiaires et du matériel pour entretenir son vélo. Votre profil Doctorant sur l'explicabilité conceptuelle des algorithmes d'apprentissage profond pour la détection d'objets, basée sur de grands modèles de langagede vision (H/F) Votre priorité est de faire votre thèse au sein de l'industrie