Programme de recherche en apprentissage automatique scientifique appliqué à l’hydrologie et à l’hydrogéologie: appel à candidatures
- il y a 2 jours
- 4 min de lecture
|UQAC|
L’Université du Québec à Chicoutimi (UQAC) recrute actuellement des profils en intelligence artificielle appliquée aux sciences de l’eau, dans le cadre de projets de recherche innovants en hydrologie et en modélisation des eaux souterraines.
Deux opportunités sont ouvertes sous la supervision du professeur Vincent Adombi :
un doctorat en apprentissage automatique scientifique pour la modélisation hydrologique,
un postdoctorat en intelligence artificielle appliquée à la modélisation des eaux souterraines.
Ces projets se situent à l’intersection de l’intelligence artificielle, des mathématiques appliquées et des sciences hydrologiques, et offrent un environnement de recherche stimulant ainsi qu’un accès à des ressources de calcul avancées.
Offre 1 - Doctorat en apprentissage automatique scientifique pour la modélisation hydrologique
Description du projet
Une opportunité de doctorat est offerte à l’Université du Québec à Chicoutimi (UQAC), sous la supervision du professeur Vincent Adombi.
Le projet vise à faire progresser DeepDiscover, un cadre d’apprentissage automatique scientifique conçu pour révéler les mécanismes contrôlant les systèmes hydrologiques directement à partir des données, tout en respectant les lois fondamentales de la physique. La personne doctorante contribuera au développement de nouvelles méthodologies à l’intersection de l’intelligence artificielle, des mathématiques appliquées et des sciences hydrologiques.
Profil recherché
Le ou la candidate idéale :
Détient ou est en voie d’obtenir une maîtrise dans un domaine pertinent (intelligence artificielle, informatique, mathématiques appliquées, statistique, physique, ingénierie ou discipline connexe)
Possède de solides compétences en programmation Python
A un fort intérêt pour le développement de nouvelles méthodologies en intelligence artificielle
Fait preuve d’autonomie, de créativité, d’initiative et d’esprit critique
Possède d’excellentes compétences en communication scientifique, à l’écrit comme à l’oral
Seront considérés comme des atouts :
Apprentissage automatique et apprentissage profond
Apprentissage automatique scientifique
Optimisation et calcul scientifique
Modélisation basée sur la physique
Hydrologie ou hydrogéologie
Ce qui est offert
Financement (bourse) pour la durée prévue du doctorat
Un environnement de recherche et de formation stimulant et collaboratif
Accès à des ressources informatiques avancées
Candidature
Les personnes intéressées sont invitées à soumettre :
Un curriculum vitae (CV)
Une lettre d’intérêt
Les relevés de notes
Un portfolio de projets pertinents (dépôts GitHub, projets personnels, publications, etc.), si disponible
Les candidatures doivent être envoyées à :
Vincent Adombi, professeur adjoint, hydro-informatique (avadombi@uqac.ca)
Seules les personnes retenues seront contactées pour une entrevue.
Offre 2 - Intelligence artificielle et modélisation des eaux souterraines
Description du projet
Un poste postdoctoral est offert à l’Université du Québec à Chicoutimi (UQAC) dans le cadre d’un projet de recherche mené en partenariat avec le ministère de l’Environnement du Québec (MELCCFP).
L’objectif est de développer une méthodologie avancée de modélisation des niveaux d’eau souterraine à partir des données du Réseau de suivi des eaux souterraines du Québec (RSESQ). Le projet combinera intelligence artificielle, modélisation hydrologique, analyse de séries temporelles, quantification des incertitudes et interprétabilité des modèles. Sous la supervision du professeur Vincent Adombi, la personne retenue jouera un rôle central dans le développement scientifique et technique du projet.
Responsabilités principales
La personne retenue devra :
Développer et mettre en œuvre des pipelines de traitement de données adaptés aux séries temporelles hydroclimatiques du RSESQ
Développer, entraîner et comparer des approches d’apprentissage automatique, d’apprentissage profond et hybrides
Développer des méthodologies d’apprentissage par transfert pour assurer la généralisation des modèles
Développer des approches pour mieux comprendre le comportement des modèles et améliorer leur cohérence avec les processus physiques
Développer des méthodes de quantification des incertitudes liées aux données et aux modèles
Produire des livrables numériques clairs, documentés et reproductibles (code Python, notebooks, outils associés)
Rédiger des rapports techniques et des présentations pour différents publics et diffuser les résultats via publications et conférences
Participer aux réunions du projet avec les partenaires scientifiques et gouvernementaux
Exigences
Doctorat complété ou en voie d’achèvement dans un domaine pertinent (IA, science des données, hydrologie, hydrogéologie ou discipline connexe)
Expérience démontrée en apprentissage automatique et apprentissage profond
Excellentes compétences en Python et bibliothèques associées (Scikit-Learn, PyTorch/TensorFlow, NumPy, Pandas, etc.)
Expérience en analyse et modélisation de séries temporelles
Capacité à mener des recherches de manière autonome
Publications scientifiques pertinentes
Excellentes compétences en rédaction scientifique
Qualifications souhaitées
Rigueur scientifique et esprit critique
Capacité à concevoir de nouvelles approches méthodologiques
Autonomie, initiative et créativité
Capacité à gérer plusieurs composantes d’un projet
Excellentes compétences en communication
Capacité à travailler en environnement multidisciplinaire
Seront considérés comme des atouts importants :
Hydrogéologie ou hydrologie
Traitement du signal
Modélisation hydrologique conceptuelle
Apprentissage automatique informé par la physique
Analyse des incertitudes hydrologiques
Intelligence artificielle explicable (XAI)
Apprentissage par transfert
Modèles de type Transformers ou réseaux de neurones graphiques (GNN)
Conditions d’emploi
Durée : 18 mois
Début prévu : automne 2026
Lieu : UQAC, Québec, Canada
Présence régulière sur site requise, avec flexibilité selon les besoins
Salaire compétitif selon l’expérience et le profil
Candidature
Les personnes intéressées doivent soumettre :
Un curriculum vitae incluant la liste des publications
Une lettre de motivation
Les coordonnées de répondants pourront être demandées ultérieurement.
Les candidatures doivent être envoyées à :
Vincent Adombi (ing. PRT, Ph.D.) — avadombi@uqac.ca
Date limite : 30 juin 2026
Seules les personnes retenues pour une entrevue seront contactées.