RESPONSABILITÉS :
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.
Particularité du poste : mobilité possible à McGill (université de Montréal)
PROFIL RECHERCHÉ :
Profil recherché :
• Doctorat (obtenu) en informatique, génie des transports, mathématiques appliquées/statistiques, ou domaine proche.
• Solide background en machine learning (modélisation probabiliste et/ou représentation ; modèles génératifs appréciés).
• Expérience en LLMs/NLP et/ou systèmes agentiques fortement souhaitée.
• Très bonnes compétences en Python et capacité à construire des pipelines expérimentaux reproductibles.
• 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).
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.