Post-doctorant·e en UnStrain : révéler les tensions de mobilité par apprentissage de représentations

Vos missions en quelques mots

1. Développer des modèles génératifs et d'apprentissage de représentations intégrant flux de mobilité, réseaux de transport, occupation des sols et données sociodémographiques dans un espace latent commun, afin d'identifier des tensions de mobilité interprétables et d'évaluer des interventions susceptibles de les réduire.

2. Vérifier la cohérence des tensions détectées avec des indicateurs établis de déséquilibres territoriaux (précarité liée à la mobilité, déserts de transport collectif, déserts alimentaires, déséquilibre emplois-logements).

Afficher la suite

3. Évaluer les apports de la méthode par rapport aux indicateurs fondés sur des définitions a priori (p. ex. seuils d'accessibilité ou de disponibilité de l'offre), en identifiant des configurations multifactorielles latentes dans plusieurs sources de données.

Acquérir, nettoyer, aligner et combiner les flux de mobilité, les réseaux de transport, les données d'occupation des sols et les données sociodémographiques.

- Concevoir des représentations de données et des chaînes de prétraitement pour des sources de données spatiales hétérogènes.

- Implémenter et entraîner des modèles génératifs et d'apprentissage de représentations.

- Construire des représentations vectorielles des unités spatiales et développer des méthodes pour extraire et interpréter les tensions de mobilité latentes.

- Analyser les relations entre la demande de mobilité, l’occupation des sols, l’offre de transport et la mobilité observée.

- Comparer les tensions détectées à des indicateurs établis : précarité liée à la mobilité, déserts de transport collectif, déserts alimentaires et déséquilibre emplois-logements.

- Évaluer des configurations multifactorielles complexes non captées par les indicateurs prédéfinis existants.

- Concevoir et évaluer des scénarios d'intervention sur les transports visant à réduire les tensions de mobilité détectées.

- Programmer les expériences, analyser les résultats et assurer la reproductibilité de la chaîne de calcul.

- Présenter et publier les résultats, et collaborer avec les partenaires de Mobidec ainsi qu'avec les acteurs industriels et institutionnels concernés.

Profil recherché

Niveau de formation et/ou expérience requis :

- Doctorat obtenu ou thèse en cours d'achèvement.

Compétences, connaissances et expériences indispensables :

- Excellentes compétences en modélisation mathématique et en analyse.

- Bonnes compétences en programmation.

Compétences, connaissances et expériences souhaitables :

- Expérience en apprentissage profond et en apprentissage de représentations.

- Expérience en science des données spatiales.

Niveau d'études minimum requis

• Niveau Niveau 8 Doctorat/diplômes équivalents

Date limite de candidature : 16 octobre 2026 Nature du contrat : CDD de 18 mois Catégorie et métier du poste (usage interne): II - P, Post-doctorant·e ou A (fonction publique) Poste ouvert aux métiers de niveau immédiatement inférieur (usage interne) Localisation du poste: Palaiseau (91) Les postes offerts au recrutement sont ouverts à toutes et tous avec, sur demande, des aménagements pour les candidats en situation de handicap Emploi ouvert aux titulaires de la fonction publique et/ou aux contractuels Conditions de travail : 44 jours de congés, télétravail possible, restaurant et cafétéria sur site, accessibilité en transport en commun (avec participation de l'employeur) ou proche des axes routiers, association du personnel et association sportive sur le campus

Merci de transmettre les documents suivants. Les candidatures incomplètes ou dépassant les limites indiquées seront automatiquement écartées : CV (2 pages max). Un document expliquant, en 5 lignes max, pourquoi votre profil correspond le mieux au poste, à l'aide d'éléments factuels, précis et non génériques. Un document présentant jusqu'à 3 de vos meilleures publications. Pour chacune : auteurs, titre, lieu de publication et année ; classement du lieu (revue : quartile ScimagoJR, indice SJR et H-index ; conférence : ERA CORE ; si le lieu n'est pas classé, expliquer pourquoi il est de haut niveau) ; votre contribution (2 lignes max) ; et pourquoi la publication est importante, démontre votre excellence et

L332-2

Vacant à partir du 01/11/2026

Chercheuse / Chercheur