Descriptif du poste:\n\nVous souhaitez participer à l'évolution des technologies d'IA de pointe ?\n \nAu sein d'un environnement axé sur la recherche et l'innovation, vous intégrez un projet d'envergure dédié au déploiement de modèles de Deep Learning (ex : YOLOv8) sur des cibles matérielles contraintes. Vous contribuerez directement à une plateforme open-source visant à optimiser et exécuter des réseaux de neurones sur des processeurs d'accélération d'IA (NPU).\n \nVos Missions\n* Développement & Optimisation : Traduire et adapter des opérations d'IA (Conv2D, SILU, Concat...) pour des accélérateurs matériels NPU (i.MX8 / TIM-VX) en gérant différentes précisions (int8, fp32).\n* Gestion du graphe de calcul : Concevoir, générer, compiler et exécuter le graphe de calcul sur la cible matérielle.\n* Performance & Robustesse : Gérer la synchronisation, la mémoire et le traitement des erreurs lors de l'exécution sur NPU.\n* Qualité & Open-Source : Rédiger et exécuter les plans de tests (unitaires et d'intégration) et soumettre vos contributions en open-source (workflow GitLab / Fondation Eclipse).\n* Suivi technique : Rédiger la documentation associée et échanger régulièrement avec les équipes partenaires.\n \n\nProfil recherché:\n\n* Compétences clés : Maîtrise de C++ et de Python.\n* Connaissances IA : Bonne compréhension des graphes de calcul, de la quantification et des enjeux de l'IA embarquée (Edge AI).\n* Outillage : Pratique de CMake/Make, Git, et des outils de test / CI (Pytest, cibuildwheel).\n* Un vrai plus : Connaissance des processeurs NPU, de la plateforme i.MX8 ou de la bibliothèque TIM-VX.\n* Qualités : Rigueur dans le code et les tests, esprit collaboratif et goût pour l'écosystème open-source.