Descriptif du poste: Emploi ouvert aux agents contractuels uniquement CDD de projet 1 an, à pourvoir à compter du 01/02/2026 Catégorie : A            Corps : Ingénieur de recherche Rémunération selon grille de la Fonction Publique   Missions :  Le projet « LEVIERS » (2025-2030) vise à produire de la connaissance sur les différentes alternatives aux produits phytosanitaires de la filière viticole et ainsi à répondre à l'obligation gouvernementale de réduction de l'usage des pesticides (Stratégie Ecophyto 2030). L'amélioration variétale, à travers l'optimisation de la durabilité de la résistance de variétés de vigne et la combinaison de nouveaux gènes de résistance est un de ces leviers. Dans ce contexte, la plateforme INRAE dénommée VEGOIA, est une structure dédiée à l'activité de phénotypage de la vigne pour l'étude des interactions biotiques en vue d'identifier de nouveaux gènes de résistance. Le projet « TAGES » présenté au Pôle Universitaire d'Innovation d'Alsace (PUI-A) CoRTecS vague 2 s'inscrit dans des actions du projet Leviers. Il vise à automatiser le phénotypage de l'interaction entre la vigne et le mildiou, une maladie foliaire. Les étapes de la prise d'image et de l'analyse des symptômes de mildiou présents à la surface de disques foliaires de vigne seront automatisés. La mission se décline en 2 parties : 1) conception d'un appareil pour la prise de vue automatique des disques foliaires, 2) développement d'un outil d'analyse d'image des symptômes présents à la surface de ces disques, par l'intelligence artificielle.   Activités principales : 1. Participer à la conception d'expérimentations destinées à générer des images présentant des niveaux d'infection variables au mildiou. 2. Convertir une imprimante 3D en un macroscope motorisé à bas coût. Cet outil devra détecter et identifier des disques foliaires et acquérir leurs images à haut débit (vitesse) tout en certifiant leur traçabilité et en utilisant des logiciels libres.  3. Encadrer l'acquisition de données, réaliser leur traitement et assurer leur sécurisation et leur accès afin de créer des jeux de données.  4. Implémenter un outil informatique basé sur l'IA afin d'évaluer automatiquement les symptômes de mildiou présents à la surface des disques foliaires. La vérité terrain pour entraîner le réseau de neurones sera basée sur la quantification de biomarqueurs spécifiques lié à cet agent pathogène. Ce type de données issues d'un spectromètre de masse, seront quantitatives et permettront d'estimer avec précision la biomasse du pathogène.  5. La partie 2 sera réalisée en collaboration avec l'équipe de la plateforme imagerie de l'IBMP de Strasbourg. Les parties 1, 3 et 4 seront réalisées à l'INRAE de Grand Est-Colmar et se feront en collaboration avec les équipes de Génétique et Amélioration de la vigne (GAV) et de Génomique et Métabolisme de la Vigne (GMV) mais aussi avec le laboratoire LARIS et l'équipe ImHorPhen de l'IRHS d'Angers. Profil recherché: Formation/expériences souhaitées : * Bac+8 en informatique, ingénierie des systèmes, ingénierie mécatronique, robotique ou équivalent, * Expérience solide en analyse d'image et développement de méthodes d'IA pour l'analyse d'image, idéalement adaptée à l'étude des interactions biotiques chez les plantes, * Expérience dans la fabrication d'instruments ou machines spéciales, * Idéalement, expérience en développement sur imprimantes 3D ou systèmes automatisés, Connaissances : * Expertise en méthodes d'analyse d'images et en méthodes d'apprentissage profond (deep learning), * Bonnes notions de conception mécanique, systèmes électroniques et instrumentation, * Connaissance de la programmation Python obligatoire, * Notions génériques sur la biologie végétale et les maladies des plantes, Compétences opérationnelles : * Compétences en conception 3D, dimensionnement de pièces mécaniques, compréhension des systèmes d'entrainement, assemblage mécanique de prototypes, tests et validation de systèmes, compréhension des microcontrôleurs, notions en électronique basse tension, * Optimisation des conditions de prises d'images, Compétences comportementales : * Autonomie pour la partie d'apprentissage profond, * Aptitudes à travailler à l'interface entre plusieurs équipes, sites et disciplines, * Rigueur, méthode, capacité à documenter son travail, * Résolution de problèmes complexes, * Capacité à itérer rapidement, * Curiosité technologique et concernant les méthodes d'apprentissage profond adapté au phénotypage de maladies de plantes, * Rédaction d'articles en anglais,