> Markdown version of [/jobs/ext/4809004-ingenieur-ia-vision-langage-h-f](https://www.wearedevelopers.com/jobs/ext/4809004-ingenieur-ia-vision-langage-h-f). 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). --- # Ingénieur IA Vision-Langage (H/F) - **Company:** OCTOMIRO - **Location:** Rennes, France (Remote available) - **Salary:** €36,000 - €45,000 - **Contract:** Permanent contract - **Skills:** Application Programming Interfaces (APIs), Amazon Web Services, Data Analysis, Computer Vision, Python (Programming Language), PostgreSQL, OpenCV, Open Source Technology, QLoRA, Graphics Processing Unit (GPU), Pytorch, Deep Learning, Git, Fastapi, ONNX (Open Neural Network Exchange) Format, HuggingFace, TensorRT, Multiaccess Edge Computing, Video Analysis, NVIDIA Jetson, Docker - **Published:** November 21, 2026 - **Apply:** https://candidat.francetravail.fr/offres/recherche/detail/216RNXQ ## About the Role Bac+5 (école d'ingénieur ou master) en IA, vision par ordinateur ou apprentissage automatique. Un doctorat est un plus 2 ans d'expérience minimum en deep learning appliqué à l'image ou à la vidéo (thèse et stages compris) Très bonne maîtrise de Python et PyTorch, aisance avec l'écosystème Hugging Face Expérience concrète des modèles multimodaux ou des modèles de fondation en vision Connaissance de la détection d'anomalies, de la segmentation ou de la détection d'objets Capacité à passer d'un notebook à un service en production (Docker, API, GPU) Lecture courante d'articles scientifiques en anglais Appréciés : analyse vidéo, optimisation d'inférence (TensorRT, quantification), edge computing, publications ou contributions open source Compétences à saisir dans le formulaire : Python - PyTorch - Deep learning - Vision par ordinateur - Modèles, * Développer des modèles prédictifs pour l'analyse de données * Documenter les processus et les architectures d'IA * Optimiser les performances des systèmes d'IA * Python et PyTorch * Vision par ordinateur * Modèles de vision-langage (VLM) * Détection d'anomalies visuelles * Docker et déploiement de modèles sur GPU ## Description Concrètement, nos modèles tournent sur des flux vidéo réels : compter des pièces sur un convoyeur ou des colis sur une palette, détecter une étiquette mal posée, un emballage abîmé ou un défaut de soudure, suivre les gestes d'un opérateur sur un poste de conditionnement. L'inférence se fait sur GPU dans le cloud ou en edge, au plus près des lignes de production. Le sujet Nos modèles de détection d'anomalies (approches de type RD4AD, PatchCore) savent dire qu'une image est anormale. Ils ne savent pas dire pourquoi. Votre mission est de lever ce verrou : construire des modèles qui détectent, localisent et décrivent un défaut en langage naturel, y compris des défauts jamais vus à l'entraînement, avec très peu d'exemples annotés. Ce travail s'inscrit dans un programme de R&D de deux ans financé par Bpifrance, la Région Bretagne et l'État., Concevoir les architectures : couplage d'un détecteur d'anomalies et d'un VLM, fine-tuning (LoRA, QLoRA), prompting visuel, génération d'explications ancrées dans la zone détectée Construire les jeux de données : collecte sur sites pilotes, annotation, génération de défauts synthétiques, protocoles d'évaluation (AUROC, PRO, précision des descriptions) Optimiser pour la production : quantification, export ONNX ou TensorRT, latence compatible avec la cadence d'une ligne, déploiement sur NVIDIA Jetson Intégrer les modèles dans notre plateforme : API FastAPI, conteneurs Docker, pipelines d'entraînement reproductibles Valider les prototypes en conditions réelles avec l'équipe et nos industriels partenaires Dans un second temps, contribuer à la compréhension de vidéo longue durée : segmentation d'activités, mémoire temporelle, analyse de flux sur des journées entières Notre stack Python, PyTorch, Hugging Face, OpenCV, Ultralytics, FastAPI, Docker, PostgreSQL, Supabase. GPU NVIDIA (V100S, A100) chez OVHcloud et AWS, NVIDIA Jetson en edge. Git, CI, suivi d'expériences. L'équipe Une équipe technique resserrée : un CTO, un architecte systèmes et cloud, des ingénieurs vision. Vos choix techniques partent en production chez nos clients en quelques semaines, pas en quelques années., Bureaux sur le campus d'IMT Atlantique à Rennes (Cesson-Sévigné), télétravail partiel Accès à des ressources GPU dédiées Un vrai problème de recherche, financé, avec des données industrielles réelles Participation à des conférences et veille scientifique encouragées