L’Institut national de l’information géographique et forestière (IGN) est un établissement public à caractère administratif placé sous la tutelle des ministères chargés de l’écologie et de la forêt. Sa vocation est de produire et diffuser des données (open data) et des représentations (cartes en ligne et papier, géovisualisation) de référence relatives à la connaissance du territoire national et des forêts françaises ainsi qu'à leur évolution.
Grâce à son école d’ingénieurs, l'ENSG-Géomatique, et à ses équipes de recherche pluridisciplinaires, l’institut cultive un potentiel d’innovation de haut niveau dans plusieurs domaines (géodésie, forêt, photogrammétrie, intelligence artificielle, analyse spatiale, visualisation 3D, etc.).
Contexte
L’Institut national de l’information géographique et forestière (IGN) est un établissement public à caractère administratif placé sous la tutelle des ministères chargés de l’écologie et de la forêt. Sa vocation est de produire et diffuser des données (open data) et des représentations (cartes en ligne et papier, géovisualisation) de référence relatives à la connaissance du territoire national et des forêts françaises ainsi qu’à leur évolution. Grâce à son école d’ingénieurs, l’ENSG-Géomatique, et à ses équipes de recherche pluridisciplinaires, l’institut cultive un potentiel d’innovation de haut niveau dans plusieurs domaines (géodésie, forêt, photogrammétrie, intelligence artificielle, analyse spatiale, visualisation 3D, etc.).
Le laboratoire LASTIG (Laboratoire en Sciences et Technologies de l’Information Géographique pour la ville intelligente et les territoires durables) est une unité mixte de recherche rattachée à l’Université Gustave Eiffel, à l’IGN et à l’École des Ingénieurs de la Ville de Paris (EIVP). Il s’agit d’une structure de recherche unique en France, voire en Europe, réunissant environ 80 chercheurs qui couvrent l’ensemble du cycle de vie des données géographiques ou spatiales, depuis leur acquisition jusqu’à leur visualisation, en passant par leur modélisation, intégration et analyse. Parmi eux, une trentaine travaillent plus spécifiquement dans les domaines de l’analyse d’images, de la vision par ordinateur, de l’apprentissage automatique, de la photogrammétrie et de la télédétection. Les chercheurs et doctorants du LASTIG peuvent être impliqués dans les activités d’enseignement de l’ENSG-Géomatique, qui accueille des étudiants de niveau licence et master, reconnus pour leur excellence dans les domaines liés aux sciences de l’information géographique : géodésie, photogrammétrie, vision par ordinateur, télédétection, analyse spatiale, cartographie, etc.
AGAPE (2025–2028) est un projet français qui porte sur la découvrabilité et l’investigation dans le patrimoine iconographique spatial, en mettant l’accent à la fois sur l’analyse multimodale, le liage par contenu, et sur le positionnement des contenus dans leur environnement 3D afin de faciliter la visualisation et l’interaction utilisateur. Dans ce cadre, le doctorant contribuera à la mise en lien et à la spatialisation de collections d’images et de vidéos, en vue de leur intégration dans l’environnement 3D. Le consortium réunit sept partenaires de premier plan, dont quatre spécialisés en informatique, intelligence artificielle, multimédia et interaction homme-machine (laboratoires LASTIG, LIRIS, IRISA/Linkmedia et Inria/ILDA), ainsi que trois autres chargés de l’exploitation des outils développés, dans trois domaines distincts : les archives (Archives nationales de France), l’histoire (laboratoire ACP) et le journalisme (France Télévisions).
Le projet de thèse sera mené dans le cadre du projet AGAPE et porte sur la spatialisation de contenus visuels (images et vidéos) à partir de références 3D à grande échelle. Sans connaissance préalable de la géolocalisation, le problème est traité par la recherche des éléments les plus similaires dans une base de références géolocalisées. Les contenus visuels étudiés sont des photographies anciennes et des films mis à disposition par des institutions culturelles, et les références 3D exploitées sont les données LiDAR couvrant le territoire français, fournies à l’échelle nationale par l’IGN (Institut national de l'information géographique et forestière). Cette thèse ambitionne de relever deux défis scientifiques majeurs : 1/ la description, la mise en correspondance et l’indexation de données 2D(+t) et 3D dans un contexte multi-date où la scène a évolué et 2/ la recherche rapide dans les grands volumes de données.
Missions
Le doctorant étudiera des solutions pour organiser les collections visuelles (photographies et films anciens) par analyse de leur contenu. Par organisation, on entend à la fois leur mise en relation selon leur proximité spatiale, afin de regrouper celles qui documentent une même zone, et leur spatialisation, dans le but de les restituer dans leur environnement 3D. Classiquement, ce problème est abordé par la recherche d’images dans un ensemble d’images géolocalisées, ce qui permet de relier les contenus visuellement similaires et de propager la localisation à travers les liens [Pion et al., 2020]. De manière plus originale ici, nous proposons d’adresser le problème en sélectionnant une référence 3D globale spatialement organisée, et en recherchant ces contenus 2D dans cette référence pour les géolocaliser. Nous faisons le choix de considérer les nuages de points 3D comme référence, principalement issus de données LiDAR, en nous fondant sur deux constats : 1/ les données 3D de cartographie de l’environnement sont de plus en plus répandues et de plus en plus précises (comme les cartes LiDAR HD de l’IGN) ; 2/ ces données géométriques offrent des représentations géolocalisées robustes face aux variations de scène, telles que les changements de point de vue ou de conditions d’éclairage (jour/nuit, saisons, etc.), qui continuent de pénaliser les approches reposant sur la photométrie des images 2D. La recherche de contenus 2D(+t) dans une base de données 3D soulève toutefois plusieurs verrous scientifiques non résolus, qui seront au cœur des travaux à mener :
- Indexation inter-domaines : cela nécessite de trouver des représentations permettant d’établir des liens entre les contenus 2D(+t) et 3D. La littérature est riche en ce qui concerne l’indexation et la recherche d’informations dans un seul domaine, que ce soit pour les images [Pion et al., 2020 ; Blettery et al., 2023] ou pour les nuages de points 3D [Uy et al., 2018 ; Komorowski, 2021 ; Hui et al., 2022 ; Vidanapathirana et al., 2022 ; Zhang et al., 2024]. Plusieurs solutions existent également pour la mise en correspondance 2D–3D [Li et al., 2021 ; Qin et al., 2022], dans le cadre du recalage, mais elles ne sont pas applicables à la recherche à grande échelle, car elles supposent connue la géolocalisation du contenu 2D pour effectuer son alignement avec la 3D. À l’instar des Vision Language Models qui alignent images et textes, nous privilégierons des méthodes fournissant un espace d'encodage commun entre 2D et 3D [Xie et al., 2023 ; Xue et al., 2023 ; Sohail et al., 2025], exploitable comme index pour la recherche. Nous concentrerons cependant notre attention sur la difficulté d’aligner ces contenus dans un contexte multi-date, où la scène a évolué au fil du temps.
- Recherche à grande échelle (au moins à l’échelle d’une ville) : notre travail s’appuiera sur les travaux déjà menés au LASTIG concernant la recherche dans les nuages de points 3D [Zede et al., 2025], inspirés du Differentiable Search Index [Zhuang et al., 2022], des GD-MAE Sparse Pyramid Transformers [Yang et al., 2023] et de la recherche par faisceau (Beam Search), qui permettent d’accélérer considérablement la recherche dans des bases de données volumineuses. Afin d’améliorer le passage à l’échelle de ces approches, l’utilisation de l’architecture Mamba [Gu et al., 2024] pourra être explorée, à la fois pour l’encodage des nuages de points via MambaPoint [Cheng et al., 2024] et pour la recherche par Differentiable Search Index. On pourra également s’intéresser aux architectures à mélange d’experts (Mixture of Experts), qui ouvrent des perspectives prometteuses, plus faciles à entraîner et à mettre à jour [Cai et al., 2025].
En tant que contributeur au consortium AGAPE, le doctorant sera également chargé d’interagir avec ses membres (chercheurs, post-doctorants, doctorants, stagiaires, archivistes, historiens et journalistes). Il participera notamment à l’intégration des contenus géolocalisés dans l’environnement 3D avec les partenaires, ainsi qu’à l’évaluation de ses propositions dans les scénarios applicatifs du projet, en collaboration avec les archivistes, historiens et journalistes. Il contribuera également à l’intégration des algorithmes développés dans les infrastructures de calcul du consortium afin d’en assurer le déploiement et le passage à l’échelle. AGAPE s’inscrit par ailleurs dans une démarche active de science ouverte : l’ensemble des résultats obtenus et des solutions développées seront publiés dans des conférences et revues de haut niveau, et mis à disposition en accès libre.
Jeux de données considérés
Grâce au consortium AGAPE, à la participation de l’IGN et aux données ouvertes disponibles dans le domaine du patrimoine culturel, le doctorant bénéficiera de jeux de données variés et de grande ampleur : des collections anciennes d’images et de vidéos représentant le territoire français, aussi bien à l’échelle aérienne que terrestre (plus de 70 000 images) ; des nuages de points 3D LiDAR de l’IGN à grande échelle, couvrant l’ensemble de Paris via une cartographie mobile terrestre, ainsi que les données issues de la campagne nationale de LiDAR HD aérien en cours d’acquisition.
Organisation
- Date de démarrage : flexible, idéalement au dernier trimestre 2025.
- Financement : contrat doctoral de 3 ans, incluant les missions en France et à l’étranger.
- Lieu : La thèse sera réalisée en région parisienne, au sein du laboratoire LASTIG, situé sur le campus de l’Université Gustave Eiffel à Champs-sur-Marne.
- Le doctorant sera rattaché à l’École Doctorale MSTIC (ED 532).
Profil recherché
Bac+5 en informatique, mathématiques appliquées ou géomatique (master ou école d’ingénieurs).
Une solide formation en apprentissage automatique est requise, et des connaissances ainsi qu’une expérience en vision par ordinateur 3D ou en indexation d’images seront fortement appréciées. Le ou la candidate retenu(e) devra avoir de bonnes compétences en programmation (Python, C/C++). La maîtrise d’outils et de pratiques d’ingénierie logicielle tels que Docker, Kubernetes, etc., constitue un atout.
La maîtrise du français n'est pas exigée ; une bonne maîtrise de l’anglais est indispensable. La curiosité, l’ouverture d’esprit, la créativité, la persévérance et la capacité à travailler en équipe pluridisciplinaire sont également des qualités personnelles essentielles.
Conditions particulières
Déplacements ponctuels dans le cadre de séminaires, de conférences et pour l'acquisition de données terrain.
Atouts de l’environnement de travail
- Cadre académique de la recherche au sein du laboratoire LASTIG et de l'université Gustave Eiffel
- Liens avec les services d'innovation et de production de l'IGN pour l'identification de verrous scientifiques à fort impact sociétal
- Pratique possible du télétravail après une période de prise de poste
- Équipements sportifs disponibles sur site
- Restauration d’entreprise
- Remboursement transport 75% et indemnités kilométriques vélo
Contact
- Laurent Caraffa – Laurent.Caraffa@ign.fr, Chargé de recherche au LASTIG (encadrant de la thèse), IGN, Univ. Gustave Eiffel
- Valérie Gouet-Brunet – Valerie.Gouet@ign.fr, Directrice de recherche au LASTIG (directrice de la thèse), IGN, Univ. Gustave Eiffel
