Post-Doctorant Ingénieur de Recherche en IA - H/F/X

La disponibilité d’outils puissants de traitement et d’édition d’images, ainsi que d’équipements de numérisation et d’impression de haute qualité et abordables, a contribué au développement de la fraude documentaire.

En effet, de nos jours, même un non-expert peut facilement modifier une image d’un document d’identité pour créer un document altéré à utiliser pour accéder illicitement à certains biens ou services.

Le développement de systèmes robustes et efficaces de détection de contrefaçon de documents d’identité est donc devenu une nécessité. Dans les méthodes traditionnelles de détection de contrefaçon, le flux d’analyse comprend le prétraitement des images, l’extraction de caractéristiques conçues manuellement, la sélection de celles qui sont les plus appropriées à être finalement alimentées dans un modèle d’apprentissage. Le principal inconvénient de ces méthodes est l’étape de l’ingénierie des caractéristiques, qui est un processus complexe et chronophage où une image subit des opérations statistiques, mathématiques et diverses opérations de traitement d’image pour calculer un vecteur de caractéristiques. De plus, ces méthodes peuvent être bien adaptées aux images de haute qualité qui sont capturées dans des conditions contrôlées (luminosité, mouvement, arrière-plan, distorsion, etc.), mais leurs performances diminuent considérablement lorsque les images sont de qualité variable et présentent divers artefacts liés aux conditions de capture.

Pour surmonter ces inconvénients, les techniques d’apprentissage profond se sont récemment avérées très efficaces dans diverses tâches et applications de traitement d’images. En particulier, elles sont utilisées pour la détection des altérations numériques dans les images de documents d’identité, telles que la copie-déplacement ou l’inpainting.

Quelques fraudes fréquentes dans un contexte réel sont les suivantes :

• Remplacement de photo : utilisé pour couvrir la photo d’identité d’un document d’identité par la photo du fraudeur à l’aide d’un simple copier-coller.
• Modification des informations textuelles personnelles en ajoutant, supprimant ou modifiant certaines parties du texte à l’aide de techniques de copie-déplacement ou d’inpainting.

Quelles seront vos missions ?

• Effectuer des recherches dans le domaine de la détection de la fraude documentaire en étudiant l’état de l’art, en adaptant/améliorant les méthodes existantes pour détecter la contrefaçon dans la zone de la photo et toute autre zone de données personnelles dans un document d’identité.
  • Des ensembles de données pertinents devraient être construits en se basant sur des ensembles de données académiques et réels en utilisant des techniques d’augmentation/génération de données.
  • Mettre en place un cadre expérimental configurable des approches d’apprentissage profond existantes pour pouvoir rapidement tester plusieurs méthodes. Le cadre devrait également inclure des algorithmes d’évaluation et des outils d’analyse des résultats.
• Intégrer la méthode proposée/retenue dans le produit IDCheck d’IDNOW :
  • Les contraintes industrielles en termes de temps d’exécution et de précision doivent être prises en compte.
  • Des évaluations avancées sur des ensembles de données de production doivent être effectuées.

• Collaborer avec d’autres membres du Centre d’Excellence Recherche (CoE) pour partager des connaissances et des outils liés à l’analyse et à la vérification des documents d’identité.

• Vous disposez d’un Doctorat (PhD) en machine learning ou traitement du signal.
• Vous êtes attiré(e) par la réalisation concrète et le développement d’un produit de qualité industrielle.
• Vous êtes à l’aise avec la programmation en Python et C++ et connaissez OpenCV, Pytorch, Tensorflow, Keras.
• Vous vous intéressez à l’open source et êtes habitué(e) à utiliser de larges bases de code.
• Vous être reconnu(e) pour votre capacité à résoudre des problèmes.
• Vous êtes autonome, proactif(ve) et savez travailler à distance !
• You speak English very well…

IDnow France (ex ARIADNEXT) édite depuis 2010, les solutions d’identification numérique automatisées les plus avancées. Cette PME innovante offre aux entreprises et gouvernements, la possibilité de nouer instantanément des relations de confiance avec leurs consommateurs et leurs citoyens en ligne.

En 2021, ARIADNEXT fusionne avec son partenaire allemand IDnow afin de devenir le leader européen dans le secteur de la vérification d’identité, de la signature électronique et de l’identité numérique.

Entreprise internationale, IDnow emploie à Rennes, Paris, Madrid, Iasi, Berlin, Munich, Londres, et même ailleurs, plus de 450 collaborateurs(trices).

Leurs clients sont multisectoriels : crédits, banques, néo-banques, fintech, jeux en ligne, télécoms, transports, intérim…

De bonnes raisons de les rejoindre ?

• Une société leader sur son marché en France et en Europe ayant pour ambition de devenir un leader de la vérification d’identité et de l’identité numérique.
• Une ambiance de travail stimulante, favorisant l’humain, le partage des connaissances et l’intelligence collective, le tout dans un environnement multiculturel.
• Une société où vous seront donnés les moyens de réussir et de vous épanouir : l’accent est mis sur l’intrapreneuriat, le champ des possibles est ouvert quant à la mise en place de nouveaux outils ou méthodes.

• CDD (18 mois) – Contrat Cadre
• Rémunération fixe
• Avantages : 12 RTT, Télétravail (2 jours par semaines), Tickets restaurants, CSE, Mise à disposition d’une plateforme de e-learning, Prime de mobilité de 200 €, 4 semaines de workation afin de pouvoir travailler partout où vous voulez en France
• Poste basé à Cesson-Sévigné
• Démarrage :  Que faites-vous demain ?