Site emploiBienvenue

Le Laboratoire d’Informatique de Grenoble (LIG) a pour ambition est de s’appuyer sur la complémentarité et la qualité reconnue de ses 22 équipes de recherche du LIG pour contribuer au développement des aspects fondamentaux de l'informatique (modèles, langages, méthodes, algorithmes) et pour développer une synergie entre les défis conceptuels, technologiques et sociétaux associés à cette discipline.

La diversité et la dynamicité des données, des services, des dispositifs d’interaction et des contextes d’usage imposent l’évolution des systèmes et des logiciels pour en garantir des propriétés essentielles telles que leur fiabilité, performance, autonomie et adaptabilité. Relever ces défis trouve une résonance dans les cinq axes thématiques de recherche explorés au LIG. https://www.liglab.fr/fr

Le projet TALISMAN est un projet porté par Dominique Vaufreydaz (LIG, Université Grenoble Alpes) et financé de 2022 à 2027 par l’ANR. Ce projet est pluridisciplinaire, en ce qu’il implique des personnes issues de laboratoire d’informatique, sciences de l’éducation et mathématiques.

Vous travaillerez en étroite collaboration avec Philippe Dessus du LaRAC, Frédérique Letué du laboratoire LJK, et Anderson Augusma et Dominique Vaufreydaz du Laboratoire LIG. Vous collaborerez également avec les chercheurs du LIG et du LJK et plus largement les personnes impliquées dans TALISMAN, afin de collecter et de travailler sur l’exploitation des données recueillies lors des expérimentations menées.

La science reproductible permet de renforcer l'impact de la recherche en facilitant la vérification et la reproduction des résultats. Cependant, le partage de données scientifiques, en particulier les données audio/vidéo, se heurte aux enjeux éthiques et légaux du RGPD, nécessitant des protocoles stricts pour leur stockage et partage. Ces données sont souvent difficilement anonymisables, ce qui complique leur partage et limite la reproductibilité des recherches.

Dans le cadre de notre projet avec le Teaching Lab et les laboratoires LaRAC et Techné (Poitiers), nous analysons les événements pédagogiques à partir de séquences audiovisuelles enregistrées lors de cours universitaires. Ces enregistrements contiennent des informations sensibles sur les étudiants et enseignants, qu’il est nécessaire d’anonymiser tout en préservant l'intégrité des données pour des analyses pédagogiques et sociales.

Notre objectif est de développer une solution d’anonymisation automatique de la voix (« Voice Privacy »), permettant de préserver les intonations et émotions tout en supprimant les informations identifiantes. Ce travail se concentre sur les défis liés aux enregistrements multi-utilisateurs et aux conditions réelles (« in the wild »), où les systèmes actuels ne gèrent souvent qu’une seule voix. La thèse visera à améliorer la préservation des informations dans un contexte multi-locuteurs avant d’étudier l’application de ces travaux à des données écologiques.

• Participer à la collecte dans la salle de classe sensible au contexte du projet
  (enregistrements, traitement des données, etc.)
• Réaliser un état de l’art des solutions disponibles pour l’anonymisation
• Proposer une solution d’anonymisation des données, en lien avec les chercheurs de l’équipe 
  multi-personnes
• Réaliser son implémentation et son évaluation en suivant une méthodologie scientifique
  rigoureuse

Vous participerez également, comme tout autre membre de l’équipe, aux tâches collectives et aux activités de l’équipe M-PSI.

• Connaissances sur le deep learning et l’apprentissage machine
• Conception et mise en œuvre d’expérimentations
• Analyse quantitative et qualitative des données
• Publications scientifiques
• Maîtrise de l’anglais scientifique (lu, écrit, parlé)
• Travailler en équipe
• Participer à la vie de l’équipe