> Markdown version of [/jobs/ext/2786394-nouveaux-algorithmes](https://www.wearedevelopers.com/jobs/ext/2786394-nouveaux-algorithmes). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md). --- # Nouveaux Algorithmes - **Company:** Inria - **Location:** Strasbourg, France (Remote available) - **Experience:** Starter - **Contract:** Temporary contract - **Skills:** Python (Programming Language), MATLAB, Machine Learning, Supervised Learning, Deep Learning, Information Technology - **Published:** September 8, 2026 - **Apply:** https://jobs.inria.fr/public/classic/fr/offres/2026-10455 ## About the Role Est-il possible, en utilisant des mesures ponctuelles du champ sonore d'une salle, ainsi que des connaissances partielles et approximatives sur la salle, les sources et les microphones utilisés, d'estimer précisément les paramètres acoustiques et géométriques de la salle ?, * Méthodes d'optimisation, Traitement du signal, Apprentissage Automatique, Deep Learning * Excellent niveau en programmation Python (également Matlab serait un plus) * Des connaissances, expériences ou intérêts particulier pour l'audio ou l'acoustique sont fortement souhaitées. Des connaissances en équations aux dérivées partielles (EDP) sont un plus. * Niveau Master (informatique, traitement du signal, acoustique, mathématiques appliquées…) ## Description Les nuisances sonores sont citées comme première source de gêne par les populations et constituent un enjeu sanitaire et social important. Dans les bâtiments, la gêne est souvent liée à une mauvaise qualité acoustique des salles due à une réverbération trop importante (cantine, piscine, crèche…). Dans le cadre de la réhabilitation acoustique des salles, la proposition d'une solution nécessite une bonne connaissance des caractéristiques géométriques et acoustiques de l'existant. Pour estimer certains paramètres inconnus (ex : absorption d'un plafond inconnu), les acousticiens de terrain s'appuient sur des mesures in situ du champ sonore et sur des modèles acoustiques numériques (ou analytique) dont ils calent de façon itérative les paramètres de façon à retrouver la valeur du champ sonore mesurée. Le processus complet d'un diagnostic est donc long, coûteux et parfois imprécis selon les modèles utilisés. Face à ce constat, le développement de méthodes dites inverses permettant de remonter automatiquement aux paramètres acoustiques d'intérêt à partir de la mesure constituerait une percée majeure pour l'acoustique du bâtiment, ouvrant la voie au développement d'outils plus simples, plus rapides et plus fiables à destination des acousticiens. Il s'agit d'un problème inverse non linéaire difficile. Nous envisageons une approche novatrice et transversale, avec une équipe réunissant des chercheurs ayant chacun leur propre compétence en acoustique (Cédric Foy, UMRAE, encadrant du stage), en traitement du signal et apprentissage automatique (Machine Learning) (Antoine Deleforge, Inria, encadrant du stage ; Sylvain Faisan, ICube) et en mathématiques (Yannick Privat, IRMA). Cette approche vient notamment rompre l'herméticité existante entre le monde de l'audio et celui de l'acoustique. Elle consiste à résoudre le problème inverse en s'appuyant sur des mesures et les modèles théoriques acoustiques directs existants puis, suivant les paramètres acoustiques à déterminer, de développer de nouveaux algorithmes adaptés combinant des techniques venant du traitement du signal, de l'optimisation, et de l'apprentissage automatisé profond (deep learning)., * Consolidations de résultats précédement obtenues sur ce sujet lors d'un précédent stage M2 de fin d'études * Rédaction d'un article à soumettre dans une revue scientifique à partir de ces résultats * Programmation Python * Etudes bibliographiques ## Related Videos - [Introduction to Azure Machine Learning](https://www.wearedevelopers.com/videos/368-introduction-to-azure-machine-learning) - [Getting Started with Machine Learning](https://www.wearedevelopers.com/videos/260-getting-started-with-machine-learning) - [The Sound of Your Secrets: Teaching Your Model to Spy, So You Can Learn to Defend](https://www.wearedevelopers.com/videos/100357-the-sound-of-your-secrets-teaching-your-model-to-spy-so-you-can-learn-to-defend) - [Leveraging Large Language Models for Legacy Code Translation: Challenges and Solutions](https://www.wearedevelopers.com/videos/1157-leveraging-large-language-models-for-legacy-code-translation-challenges-and-solutions) - [What non-automotive Machine Learning projects can learn from automotive Machine Learning projects](https://www.wearedevelopers.com/videos/397-what-non-automotive-machine-learning-projects-can-learn-from-automotive-machine-learning-projects) - [How Machine Learning is turning the Automotive Industry upside down](https://www.wearedevelopers.com/videos/61-how-machine-learning-is-turning-the-automotive-industry-upside-down) ## Related Articles - [Best Coding Boot Camps in Germany](https://www.wearedevelopers.com/magazine/237-best-coding-boot-camps-in-germany) - [Average Salary in France](https://www.wearedevelopers.com/magazine/269-average-salary-in-france) - [Dev Digest 121 - AI goes offline](https://www.wearedevelopers.com/magazine/456-dev-digest-121-ai-goes-offline) - [AI overspill Dec 2026: AI in a JAM, Blocking AI browsers, learning programming languages ](https://www.wearedevelopers.com/magazine/673-ai-overspill-dec-2026-ai-in-a-jam-blocking-ai-browsers-learning-programming-languages) - [Best Companies to Work For in Paris: Top 25 Companies in 2023 ](https://www.wearedevelopers.com/magazine/190-best-companies-to-work-for-in-paris-top-25-companies-in-2023) - [How to Become an AI Engineer](https://www.wearedevelopers.com/magazine/331-how-to-become-an-ai-engineer)