Doctorant(e) en Intelligence Artificielle pour la prévision hydrologique temps réel régionalisable

vorteX-io développe des solutions d’observation hydrologique en temps réel au service des acteurs publics en charge de la gestion de l’eau et des risques climatiques.

Notre mission : faire de la surveillance des cours d’eau un pilier d’aide à la décision publique, pour renforcer concrètement la résilience des territoires face aux aléas hydrologiques.

Notre approche repose sur une infrastructure complète et intégrée : des stations de mesure connectées déployées sur le terrain, une plateforme de visualisation et d’analyse, et un centre de contrôle à distance. Ensemble, ces briques permettent de collecter des données hydrologiques fiables et continues, de superviser un réseau à grande échelle, et de transformer la donnée en outils opérationnels pour les acteurs de terrain et les décideurs publics.

Nos solutions s'adressent en priorité aux gouvernements, agences de l'eau et acteurs de la résilience climatique. Nous travaillons aujourd'hui avec des administrations publiques et des organisations internationales comme l’Organisation Météorologique Mondiale sur plusieurs continents.

Basée à Toulouse, vorteX-io déploie son réseau hydrologique à l’international et structure son développement pour devenir un acteur de référence de la donnée hydrologique in situ en temps réel, au service des politiques publiques de l’eau et de l’adaptation climatique.

Pour accompagner cette dynamique, nous construisons une équipe engagée, pluridisciplinaire et exigeante, prête à relever un défi scientifique, technologique et environnemental majeur : mieux comprendre et mieux prévoir le comportement des cours d’eau. Rejoindre vorteX-io, c’est contribuer concrètement à des projets à fort impact pour les territoires et les populations.

Dans le cadre d’une thèse CIFRE menée en partenariat avec le laboratoire CERFACS, vous conduisez un travail de recherche doctorale intitulé « Prévision hydrologique en temps réel régionalisable basée sur l’intelligence artificielle : architectures de modèles et optimisation des jeux de données ». L’objectif scientifique central est de concevoir, développer et évaluer des architectures de deep learning capables de produire des prévisions hydrologiques fiables et transférables à différents bassins versants (régionalisation), y compris non jaugés, en France comme à l’échelle internationale.

Vous couvrez toute la chaîne — de l’exploration des données à la mise en production — et contribuez directement aux systèmes de prévision opérationnelle de vorteX-io.

Vous êtes intégré·e à l’équipe Produits hydrologiques à valeur ajoutée et Rémy Lopez le CTO de vorteX-io sera le responsable scientifique côté industriel. L’encadrement académique est assuré par les chercheurs du CERFACS Sébastien Villon et Sophie Ricci. Conformément au cadre CIFRE, le temps de travail est réparti entre vorteX-io et le CERFACS. En début de thèse, la répartition sera de 50 % au CERFACS et 50 % chez vorteX-io. Cette répartition pourra évoluer au cours des années suivantes en fonction de l’avancement du travail doctoral.

Conception et développement de modèles de deep learning

• Concevoir, entraîner et comparer plusieurs architectures pour la modélisation pluie–débit multi-bassins (LSTM, EALSTM, modèles hybrides CNN–LSTM, Transformers pour séries temporelles)

• Intégrer l’information spatiale des bassins versants (topographie, occupation du sol, géologie, pédologie), notamment via des encodeurs convolutifs appliqués à des données raster

• Optimiser les stratégies d’apprentissage : hyperparamètres, fonctions de coût adaptées aux crues, étiages et variabilité saisonnière, gestion de l’hétérogénéité des bassins et du déséquilibre des données

• Quantifier les incertitudes des prévisions (ensembles de modèles, Monte Carlo dropout, régression quantile)

Données météorologiques et hydrologiques

• Identifier et évaluer les sources de données météorologiques et leur impact sur les performances : réanalyses globales (ERA5), produits satellitaires, prévisions numériques globales (ECMWF), et produits régionaux à plus haute résolution (COMEPHORE, modèle AROME)

• Constituer des jeux de données multi-bassins pour tester la généralisation sur des bassins non jaugés

• Réaliser des analyses de sensibilité et d’interprétabilité pour comprendre l’influence des variables d’entrée et des attributs de bassin

Validation, incertitudes et opérationnalité

• Évaluer les modèles avec des métriques hydrologiques (NSE, KGE, biais) en portant une attention particulière aux crues et situations extrêmes

• Valider les modèles sur des régions prioritaires : Europe, Maroc (bassins alimentant les barrages Al Wahda et Idriss 1er), Cambodge (bassin du Mékong)

• Garantir la compatibilité avec une solution opérationnelle : pas de temps de prédiction adapté au contexte hydrologique, coût de calcul et de stockage maîtrisés

Recherche et valorisation scientifique

• Rédiger des articles scientifiques et participer à des conférences internationales

• Assurer une veille active sur les avancées en hydrologie computationnelle et IA appliquée

• Contribuer à l’intégration des résultats de recherche dans les produits vorteX-io

Nous vous offrons

• La possibilité de participer à un projet d’entreprise portant sur un très fort enjeu environnemental à l’échelle planétaire : l’Eau.

• La chance de rejoindre une équipe pluridisciplinaire, à fortes compétences et bienveillante.

• Un environnement de travail favorisant l’innovation, la prise d’initiatives et le développement professionnel.

vorteX-io s’engage à promouvoir un environnement de travail inclusif, fondé sur l’égalité des chances et la diversité des parcours.

Formation

• Diplôme d'ingénieur ou Master 2 recherche (Bac+5) en intelligence artificielle, machine learning, mathématiques appliquées, sciences de l'eau / hydrologie, ou informatique avec spécialisation data science

• Admissibilité en école doctorale requise pour le montage du dossier CIFRE

Compétences techniques

• Maîtrise de Python et de son écosystème ML/DL (PyTorch ou TensorFlow)

• Expérience en analyse de séries temporelles et traitement de données géospatiales

• Connaissance des architectures de deep learning pour séries temporelles (LSTM, Transformers)

• Pratique de Git et gestion de versions

• Familiarité avec les environnements de calcul GPU (HPC ou cloud)

• Anglais professionnel (rédaction scientifique)

Qualités personnelles

• Rigueur scientifique et esprit critique sur les résultats

• Autonomie et capacité à mener un projet de recherche sur le long terme

• Curiosité intellectuelle pour l'hydrologie et les sciences de l'environnement

• Excellente capacité de communication (écrite et orale, français et anglais)

• Goût pour le travail en équipe pluridisciplinaire

Un plus apprécié

• Expérience ou spécialisation en hydrologie, météorologie ou sciences de l'environnement

• Familiarité avec les jeux de données hydrométéorologiques

• Connaissance des formats géospatiaux (NetCDF, GeoTIFF, shapefiles)

• Expérience avec les outils de codage agentique (Claude Code, GitHub Copilot, Cursor)

• Première expérience en modélisation pluie-débit ou prévision de crues