L'ambition de la Division Innovation est de porter plus loin l'innovation d'Orange et de renforcer son leadership technologique, en mobilisant nos capacités de recherche pour nourrir une innovation responsable au service de l'humain, éclairer les choix stratégiques du Groupe à long terme et influencer l'écosystème digital mondial.
Nous formons les expertes et les experts des technologies d'aujourd'hui et de demain, et veillons à une amélioration continue de la performance de nos services et de notre efficacité. La division Innovation rassemble, dans le monde, 6000 salariés dédiés à la recherche et l'innovation dont 740 chercheurs. Porteurs d'une vision globale avec une grande diversité de profils (chercheurs, ingénieurs, designers, développeurs, data scientists, sociologues, graphistes, marketeurs, experts en cybersécurité...), les femmes et les hommes de Innovation sont à l'écoute et au service des pays, des régions et des business units pour faire d'Orange un opérateur multiservices de confiance.
Au sein d'Orange Innovation, vous serez intégré(e) dans une équipe de recherche ayant une double expertise en intelligence artificielle et en traitement du signal. Vous serez entouré(e) de chercheuses et chercheurs travaillant sur des sujets innovants et fondateurs pour le futur des télécommunications et en particulier pour la 6G. Ce poste est d'une durée d'un an renouvelable.
Votre rôle est d'effectuer un travail de Post doc sur : " Bases de connaissances distribuées pour les communications sémantiques ".
Ce post-doctorat s'inscrit dans le cadre du projet collaboratif SNS 6GARROW, qui vise à développer l'architecture IA-native 6G, à optimiser les réseaux via des agents IA, et à explorer les communications sémantiques (https://6garrow.com).
Contexte : Les grands modèles de langage (LLMs) connaissent une évolution rapide et continue, intégrant désormais des capacités multimodales, de raisonnement et d'action. Cette évolution permet l'émergence de nouveaux services d'agents IA, déployés comme assistants personnels ou professionnels. Ces agents devront collaborer de manière autonome pour traiter les requêtes des utilisateurs, transformant progressivement ces services en interactions machine à machine.
Problématique : Pour pouvoir communiquer, les agents IA doivent pouvoir définir précisément les données à transmettre et interpréter correctement celles reçues, ces deux aspects étant conditionnés par le contexte de communication. Ce contexte se matérialise par des bases de connaissances distribuées et non synchronisées entre émetteur et récepteur. À l'émission, la base de données permet d'adapter la requête selon le contexte (historique des échanges, estimation des connaissances du récepteur). En réception, la requête est enrichie par les informations locales au récepteur, afin de pouvoir mieux y répondre. Cette approche permet d'optimiser les requêtes en les rendant plus concises et/ou mieux adaptées au contexte [1] [2].
Objectifs de recherche :
Développer une méthodologie d'évaluation innovante pour mesurer l'impact des bases de connaissances distribuées non synchronisées sur des tâches de Q&A, en s'appuyant sur le Retrieval Augmented Generation (RAG) et la compression de contexte [3].
Concevoir des modèles intégrant ces bases de connaissances dans un schéma de communication sémantique pour :
Optimiser la compression des données transmises
Améliorer les performances des tâches
Opérer efficacement à la fois en émission et en réception\n\nVous êtes docteur en informatique ou traitement de signal avec une spécialisation en intelligence artificielle / télécommunication.
Vous possédez les compétences suivantes :
- Vous avez de solides connaissances en machine learning.
- Vous avez de bonnes connaissances en réseau et en système de communications.
- Vous avez une expérience significative du développement en python, notamment de la librairie Pytorch.
- Vous avez une première expérience autour de l'utilisation du RAG et de techniques apparentées.
- Vous êtes méthodique, curieux(se), autonome et motivé(e) pour aborder un sujet de recherche ouvert.
Vous possédez des publications dans des conférences internationales.
Références
[1] R. Zhang, et al., "Toward Agentic AI: Generative Information Retrieval Inspired Intelligent Communications and Networking," arXiv preprint arXiv:2502.16866, 2025.
[2] S. Tang, et al., "Retrieval-augmented Generation for GenAI-enabled Semantic Communications," arXiv preprint arXiv:2412.19494, 2024.
[3] X. Cheng, et al., "xRAG: Extreme Context Compression for Retrieval-augmented Generation with One Token," arXiv preprint arXiv:2405.13792, 2024.
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.