Ingénieur d’études en réseaux de contraintes (F/H)

Intitulé du projet

JIT-QSTR- Hybrid AI Systems Grounded on Just-in-time Qualitative Spatio-Temporal Reasoning

Acronyme du projet

CPJSIOUTIS

Durée globale du projet

77 mois

Description sommaire du projet

Systèmes d'IA hybrides basés sur un raisonnement spatio-temporel qualitatif juste-à-temps

Mission principale

Contexte

Contexte

En programmation par contraintes (CP), le domaine est généralement fini. Il peut inclure des valeurs numériques ou symboliques. Un problème de satisfaction de contraintes (CSP) permet de modéliser ce type de problèmes combinatoires (1). Cependant, dans de nombreux cas réels, le domaine peut être infini, comme l’espace ou le temps. Les valeurs du domaine peuvent également être vagues ou imprécises. Par exemple, on peut vouloir planifier une tâche avant une autre sans connaître les durées exactes ni les intervalles entre elles. C’est pourquoi le raisonnement spatio-temporel qualitatif (QSTR) a émergé. Il peut être vu comme une variante de la programmation par contraintes avec des domaines infinis. Des algèbres de relations abstraites sont souvent utilisées pour modéliser les contraintes et effectuer un raisonnement symbolique (2,3). Dans une telle algèbre, on peut utiliser une relation comme « avant ou après » pour contraindre deux intervalles temporels, sans nécessiter d’informations quantitatives sur ces intervalles ou sur la relation elle‑même.

Motivation

Les données du monde réel sont souvent hétérogènes. Il existe de multiples sources d’information pour un même problème. Les connaissances disponibles sont souvent partielles, incomplètes ou bruitées. Pour ces raisons, ni l’approche quantitative ni l’approche qualitative basée sur des contraintes ne suffirent généralement à elles seules pour modéliser un problème complexe et réaliste. Il est donc souvent nécessaire de faire des hypothèses ou des compromis. Par exemple, l’environnement impose des contraintes quantitatives fixes et strictes. Celles‑ci incluent les structures physiques et spatiales, ainsi que des aspects temporels comme la durée d’une journée. En même temps, de nombreuses actions spatio-temporelles sont dynamiques et flexibles. Par exemple, conduire une voiture dans une direction donnée peut nécessiter de respecter des contraintes de temps tout en s’adaptant aux situations. Ces actions sont souvent décrites en termes proches du langage humain, comme « prenez la première à gauche après le prochain feu de signalisation ».

Objectifs

L’objectif principal de ce projet est de développer un cadre qui unifie les contraintes quantitatives et qualitatives. Les utilisateurs doivent pouvoir modéliser leurs problèmes en utilisant des contraintes quantitatives, qualitatives, ou les deux. Par exemple : « Planifier la tâche A avant la tâche B, mais pas plus tôt que 2 heures avant. » Ou encore : « Placer l’objet X à droite de l’objet Y, mais à une distance d’au moins 1 mètre. » L’objectif secondaire de ce projet est de valider ce cadre à l’aide de cas d’usage réels. Ceux-ci incluent : la conception de vergers maraîchers et la modélisation de leur évolution dans le temps, avec des applications en agroécologie (4) ; ou encore la modélisation de compositions musicales, où les contraintes qualitatives capturent la structure ou l’évolution harmonique, tandis que les contraintes quantitatives représentent les notes et les accords, avec des applications en intelligence artificielle, en arts et en créativité (5).

(1) Christian Bessiere: Constraint Propagation. Handbook of Constraint Programming 2006: 29-83

(2) Michael Sioutis, Diedrich Wolter: Qualitative Spatial and Temporal Reasoning: Current Status and Future Challenges. IJCAI 2021

(3) Jochen Renz, Bernhard Nebel: Qualitative Spatial Reasoning Using Constraint Calculi. Handbook of Spatial Logics 2007: 161-215

(4) Margot Challand, Philippe Vismara, Dimitri Justeau-Allaire, Stéphane de Tourdonnet: Supporting Sustainable Agroecological Initiatives for Small Farmers through Constraint Programming. IJCAI 2023

(5) Damien Sprockeels, Peter Van Roy: Expressing Musical Ideas with Constraint Programming Using a Model of Tonal Harmony. IJCAI 2024

Définition des tâches à accomplir

• Étude de l’état de l’art sur les réseaux de contraintes, et les formalismes hybrides combinant contraintes qualitatives et quantitatives
• Formalisation mathématique de modèles de réseaux de contraintes hybrides
• Analyse des propriétés de ces modèles
• Développement éventuel d’outils ou de prototypes logiciels pour manipuler ces réseaux de contraintes
• Expérimentation et évaluation des approches proposées
• Rédaction de rapports techniques et participation à la rédaction d’articles scientifiques
• Participation aux réunions d’équipe, séminaires et activités de recherche du laboratoire

Description précise de l'événement ou du résultat objectif déterminant la fin de la relation contractuelle ainsi que les modalités d'évaluation et de contrôle de ce résultat

Élaboration d’un cadre théorique permettant un raisonnement combinant contraintes qualitatives et quantitatives, et développement d’un outil logiciel pour ses applications pratiques. Les résultats de ce projet feront l’objet d’une présentation orale.

Spécificités / Contrainte du postes

Le poste se situe à l’interface entre raisonnement qualitatif et quantitatif, et requiert une bonne aisance avec les formalismes logiques et algébriques. Une capacité à travailler de manière autonome sur des problèmes de formalisation, tout en collaborant étroitement avec les chercheurs de l’équipe, est attendue.

Qualifications / Domaine de formation demandé

• Formation de niveau master ou diplôme d’ingénieur en informatique, mathématiques appliquées ou domaine connexe (intelligence artificielle, recherche opérationnelle, etc.)
• Bonnes connaissances en représentation des connaissances, réseaux de contraintes et/ou raisonnement qualitatif et quantitatif
• Familiarité avec les formalismes de type algèbre des intervalles, ou modèles hybrides est un plus
• Compétences en programmation (par exemple en Python, C++ ou autre langage pertinent pour la mise en œuvre d’algorithmes)
• Capacité à lire, comprendre et produire des documents scientifiques en anglais
• Rigueur, autonomie et capacité à structurer un problème de formalisation
• Bonnes compétences en communication et travail en équipe, dans un environnement de recherche académique

Rejoindre l'université de Montpellier, c'est bénéficier de nombreux avantages dans une région qui offre un cadre de vie qualitatif.

Nos avantages

• Dispositifs de développement des compétences: accès à une grande offre de formation, préparation aux concours internes
• Jusqu’à 46 jours de congés / an (pour un temps plein à 38h30)
• Temps de travail aménageable
• Jusqu'à 2 jours de télétravail / semaine (selon les modalités de la charte de TT applicable à l'UM)
• Restauration collective
• Aide et prestations sociales
• Prise en charge partielle des abonnements au transport de la ville
• Accès aux activités sportives, culturelles et de loisirs de l'université
• Soutien à la parentalité: club de loisirs pour enfant, partenariat de crèches, jours enfant-malade
• Avantages dépendant de la nature et la durée du contrat, des nécessités de services et des conditions d'éligibilité

Informations complémentaires

Rémunération : 2160€ brut mensuel, dont 200€ d'indemnité mensuelle des agents contractuels (prime)

Prise de poste : Novembre

Type de contrat : CDD de catégorie A

Durée du contrat : 12 mois

Clôture des candidatures : 24/10/2026