Description du poste
Offre de stage de recherche _(5 mois à Montpellier)_Vision par Ordinateur & Deep Learning appliqués à l’écriture manuscrite
_Structure d’accueil_
*Ville :* Montpellier
*Employeur :* IMT Mines Alès
*Laboratoire :* EuroMov DHM – Digital Health in Motion
*Adresse :* 700 Avenue du Pic Saint-Loup, 34090 Montpellier
_Informations générales_
*Durée :* 5 mois _(22 semaines)_
*Période :* du 09 mars 2026 au 09 août 2026
*Présence :* sur site
*Gratification :* gratification réglementaire _(4,50€ net/h de présence effective)_
_Contexte scientifique_
L’écriture manuscrite est une compétence fondamentale du développement de l’enfant, mobilisant des processus moteurs, cognitifs et sensoriels complexes.
Chez certains enfants, notamment ceux atteints de Trouble Développemental de la Coordination _(TDC)_, ces mécanismes peuvent être altérés et conduire à des troubles de l’écriture, tels que la dysgraphie.
Ces difficultés ont un impact majeur sur la scolarité, l’estime de soi et, plus largement, l’inclusion scolaire.
Le projet AVIAREPTE _(Analyse Vidéo et Intelligence Artificielle pour le Repérage Précoce des Troubles de l’Écriture)_ vise à concevoir un dispositif non intrusif, abordable et facilement déployable en milieu scolaire, permettant un repérage précoce de la dysgraphie.
L’approche repose sur l’analyse vidéo de l’acte d’écriture à l’aide de méthodes avancées de vision par ordinateur et de Deep Learning, combinées à des connaissances issues de la motricité fine.
Contrairement aux outils instrumentés classiques (tablettes graphiques), l’utilisation de caméras permet d’envisager une analyse plus globale du geste d’écriture (mouvements du stylo, posture, expressions faciales), tout en limitant les contraintes matérielles.
Le projet s’inscrit dans une démarche d’IA responsable, intégrant des considérations de confidentialité _(traitement local, conformité RGPD)_, d’explicabilité et d’acceptabilité par les professionnels de l’éducation et de la santé.
_Objectif du stage_
L’objectif du stage est de contribuer au développement et à l’évaluation de modèles de Deep Learning appliqués à l’analyse vidéo de l’écriture, dans une perspective de dépistage automatisé de la dysgraphie.
Plus précisément, le stage vise à explorer dans quelle mesure des données vidéo peuvent :
- Permettre la reconstruction de variables dynamiques du geste d’écriture,
- Fournir des informations pertinentes pour estimer automatiquement un score de dysgraphie,
Et, à terme, contribuer à un outil d’aide au diagnostic basé sur les critères cliniques du test BHK.
Le stagiaire sera pleinement impliqué dans la réflexion méthodologique, le choix des approches de modélisation et l’analyse critique des résultats, avec une réelle marge de proposition scientifique.
_Missions du stage_
_Missions principales_
Dans un cadre expérimental déjà structuré, le stagiaire devra s’impliquer entre autres dans les travaux suivants:
1.
*Analyse et exploitation de données vidéo d’écriture*
* Étude de différentes stratégies d’extraction d’information à partir de séquences vidéo,
* Réflexion sur les variables pertinentes pour caractériser la dynamique de l’écriture.
2.
*Conception et expérimentation de modèles de Deep Learning*
* Développement ou amélioration de modèles adaptés aux données temporelles vidéo,
* Exploration de différentes architectures et représentations,
* Évaluation de la robustesse des approches inter-individuelle et inter-conditions proposées.
3.
*Évaluation quantitative et validation méthodologique avec les données issues de la tablette graphique*
* Comparaison des informations extraites par la vidéo avec des données de référence,
* Réflexion sur les métriques d’évaluation et l’interprétation des écarts observés.
4.
*Intégration de données de référence supplémentaires*
* Utilisation de motion capture au niveau du stylo et de la posture afin d’évaluer la fidélité des reconstructions issues de la vidéo.
Ces données servant principalement de support à la validation méthodologique.
5.
*Apprentissage et prédiction automatique du score BHK*
* Modélisation des 13 critères du test BHK,
* Proposition d’approches permettant de prédire un score global et/ou critère par critère,
* Possibilité de masquer ou activer cette information selon les études.
6.
*Documentation scientifique et valorisation des résultats*
* Code documenté et versionné sur un _repository_ GitHub collaboratif,
* Participation à l’analyse des résultats et à la rédaction de productions scientifiques _(article conférence et/ou revue selon avancement)_.
_Mission secondaire_
1.
*Scoping review *_(≈ 10 % du temps)_
Une _Scoping Review_ est menée en parallèle du projet afin de structurer l’état de l’art sur l’analyse des troubles de l’écriture.
Les étapes méthodologiques majeures ont déjà été réalisées _(définition de la question de recherche, équation de recherche, critères d’inclusion/exclusion, sélection des bases de données, tri par titres et résumés)_.
Selon l’état d’avancement au moment du stage, le stagiaire pourra :
§ Contribuer à la lecture approfondie d’articles déjà sélectionnés et à leur synthèse,
§ Et/ou participer, en collaboration avec la doctorante, au tri final par lecture complète.
2.
*Explorations techniques additionnelles* selon avancement
_(Scan papier, micro-expressions, posture, robustesse multi-conditions, etc.)_
_Profil recherché_
*Formation : *Étudiant issu d’une *formation informatique / intelligence artificielle*
_(Dernière année d’école d’ingénieur / Master 2 / Mastère spécialisé)_
*Compétences requises :*
- Python avancé
- Bases solides en Machine Learning et Deep Learning
*Compétences appréciées :*
- Deep Learning appliqué à la vision par ordinateur
- Expérience avec PyTorch
- CNN, traitement de séquences vidéo, données temporelles
- Utilisation de GitHub et VS Code
- Analyse de signaux / cinématique
- Expérience préalable en recherche
*Qualités attendues : *
- Motivation pour un stage de recherche
- Curiosité et esprit critique
- Rigueur scientifique
- Travail d’équipe / collaboratif
Ce stage s’adresse à un étudiant solide techniquement, souhaitant s’investir dans un projet de recherche.
_Environnement technique_
- PC avec GPU
- Setup multi-caméras synchronisées
- Tablette graphique
- Motion capture (stylo / posture)
_Résultats attendus à l’issue du stage_
o Pipelines robustes de reconstruction vidéo,
o Modèles de Deep Learning performants,
o Prédiction automatique du score BHK,
o Résultats exploitables pour des publications scientifiques,
o Bases solides pour les futures acquisitions (notamment population enfant).
_Candidature_
Merci d’envoyer CV + lettre de motivation + relevés de notes de Master à :
- lauren.sismeiro@mines-ales.fr ;
- binbin.xu@mines-ales.fr ;
- gerard.dray@mines-ales.fr ;
- frederic.puyjarinet@umontpellier.fr
Type d'emploi : Stage
Durée du contrat : 5 mois
Rémunération : 4,50€ par heure
Nombre d'heures : 35 par semaine
Lieu du poste : En présentiel
