Post Doctorant en Recherche sur la Modélisation et la Simulation de la Mobilité des Personnes H/F - Service Public

Le département COSYS (« Composants et Systèmes ») se donne pour ambition de développer les concepts et outils nécessaires à l'amélioration des connaissances de base, des méthodes, des technologies et des systèmes opérationnels destinés à une intelligence renouvelée de la mobilité, des ré-seaux d'infrastructures et des grands systèmes urbains. Il vise ainsi une maîtrise accrue de leur efficacité, de leur sécurité, de leur empreinte carbone et de leurs impacts sur l'environnement et la santé. La production de connaissances à la frontière des pratiques, leur transformation en produits utiles et en corps de doctrine en appui des politiques publiques et l'évaluation des transformations induites par les innovations dans ces champs d'activité forment l'ADN du département. Le département Cosys comprend six laboratoires et une équipe répartis sur cinq campus de l'université et une équipe de recherche en émergence à Bordeaux.
Le laboratoire GRETTIA mène des recherches sur la modélisation et la simulation de la mobilité des personnes et des biens ainsi que sur la science des données pour le monitoring urbain. Les recherches s'appuient sur la modéli-sation physique, la modélisation orientée données et la simulation à base d'agents sous-tendue par des travaux en psychologie/ergonomie. Les questions de recherche s'intéressent à la simulation de la mobilité des personnes et la diminution de son impact sur l'environnement, sur les systèmes et réseaux de transport.

Le-la postdoctorant-e contribuera aux activités suivantes :

- Inférence de choix de mobilité à partir d'évidence hétérogène :transformer des informations comportementales non structurées (texte libre d'enquêtes, retours usagers, messages d'incidents/événements, alertes de service) en facteurs sémantiques (fiabilité, congestion/crowding, confort, sécurité, coût, accessibilité), puis les fusionner avec des traces structurées et du contexte urbain (tarification, perturbations, événements, signaux exogènes) afin d'inférer des distributions probabilistes de choix modaux et de décisions de mobilité.

- Agents LLM guidés par des distributions pour des chaînes de déplacements complètes :concevoir des agents LLM générant des chaînes journalières complètes (activités, lieux/POI, horaires, durées, transferts multimodaux) guidées par des distributions apprises et ancrées par des outils externes (routage/POI/contexte), garantissant une plausibilité au niveau individuel et une fidélité statistique au niveau agrégé.

- Adaptation au contexte et robustesse :permettre l'ajustement des séquences de mobilité en conditions changeantes (perturbations, météo, événements, congestion), tout en conservant diversité, réalisme, et reproductibilité.

- Expérimentation et évaluation :conduire des campagnes expérimentales sur données France-Canada (sous réserve des accords et règles de gouvernance), incluant Paris/Lyon (smart card, boucles de comptage, agrégats OD/presence mobile, enquête GPS, flux vélos, événements texte, census/OD) et Montréal/Ottawa (agrégats mobile, smart card, requêtes de planification, vélos, enquête OD), avec des évaluations micro (cohérence des chaînes, faisabilité temporelle/transferts) et macro (OD, parts modales, profils temporels), ainsi que des tests de transfert inter-villes et inter-pays.

- Valorisation :publications, communications scientifiques, contribution aux livrables et à la diffusion open science du projet.

Profil recherché :

Doctorat (obtenu) eninformatique,génie des transports,mathématiques appliquées/statistiques, ou domaine proche.
Solide background enmachine learning(modélisation probabiliste et/ou représentation ; modèles génératifs appréciés).
Expérience enLLMs/NLPet/ousystèmes agentiquesfortement souhaitée.
Très bonnes compétences enPythonet capacité à construire des pipelines expérimentauxreproductibles.
Capacité à mener une recherche autonome et à rédiger des articles scientifiques en anglais.
Qualités attendues : autonomie, rigueur, esprit d'équipe, communication claire, respect de l'éthique et des bonnes pratiques (données sensibles).

Autres :

Compétences requises :Machine learning (modélisation probabiliste, représentation, modèles génératifs), LLMs/NLP et/ou systèmes agentiques, fusion de données multi-sources, programmation Python avancée, expérimentation reproductible (versioning, pipelines, documentation), rédaction scientifique en anglais.
Formation et expérience professionnelle :Doctorat dans un domaine pertinent (informatique, transport, statistiques/mathématiques appliquées). Une expérience avec données de mobilité (smart card, OD agrégées, GPS), simulation mobilité/agents (p. ex. MATSim/SUMO) ou intégration de données hétérogènes est appréciée.
Environnement, contexte de travail, rattachement hiérarchique :Laboratoire GRETTIA (département COSYS) - environnement pluridisciplinaire ; travail en interaction étroite avec l'équipe d'encadrement (Univ Eiffel et McGill) ; participation à la vie scientifique (séminaires, conférences) ; accès à ressources de calcul et jeux de données, dans le respect des règles de gouvernance et de confidentialité.
Savoir :Bases solides en apprentissage statistique et probabiliste ; notions de modèles génératifs (VAE/GAN/diffusion) ; bases en NLP/LLMs (embeddings, prompting, agents/outils) ; principes de modélisation des systèmes de transport ; notions de confidentialité/éthique des données.
Savoir-faire :Concevoir des modèles et architectures (LLM + modèles probabilistes/génératifs), mettre en place des pipelines de préparation/fusion de données, implémenter et évaluer des agents génératifs (chaînes de déplacements, intermodalité, contraintes temporelles), conduire des expérimentations multi-villes, analyser et présenter des résultats, produire du code documenté, traçable et reproductible, publier et communiquer.
Savoir-être :Autonomie, rigueur, sens de l'initiative, curiosité scientifique, esprit d'équipe, communication claire, respect de l'éthique et des bonnes pratiques de recherche ; capacité à travailler dans un contexte international (mobilité possible à McGill)