Postes à temps plein (CDI) ouvert au 1/9/2025.

Mission principale

Expérience Etudiante

Animation du service « premier contact » de services hors-enseignement aux étudiants, en support des personnels spécialisés ou des prestataires correspondants (logement, handicap, action sociale, orientation administrative et sociale, accueil et orientation des primo-arrivants recrutement).

Une attention particulière portée aux élèves internationaux, notamment non-francophones, fait partie de la mission. Un anglais courant est exigé.

• Enseignement –  pédagogie : projet personnel et professionnel, engagement sociétal et citoyen, développement durable…

En lien avec les responsables des enseignements correspondants, l’assistant.e contribuera :

• A la gestion des enseignements (attribution/validation de projets, collecte de notes, organisation de soutenances…),
• A l’animation des événements permettant l’orientation et la définition du projet personnel et professionnel des élèves.

Compétences requises :

• Bac+2 minimum
• Expérience professionnelle administrative ou pédagogique fortement souhaitée
• Anglais impératif
• Très fort sens du contact, empathie, sens relationnel et de service
• Autonomie, organisation personnelle
• Connaissance de la suite Office365, Teams, et de logiciels de gestion pédagogique (Aimaira, Hyperplanning, Moodle), appréciée.

Poste basé à Paris 6^ème et Issy-les-Moulineaux à pourvoir le 1^er septembre 2025.
Avantages sociaux : temps de travail flexible, télétravail, mutuelle, PEE, tickets-restaurant.

Merci d’adresser votre CV à candidature@isep.fr et louis-joseph.brossollet@isep.fr avant le 30 juillet 2025 sous la référence AP

Postes à temps plein (CDI) ouvert au 1/9/2025.

Mission principale

Contribuer à faire rayonner notre grande école d’ingénieurs du numérique sur ses différents publics et à recruter les meilleurs candidats.

Poste #1 orientation communication événementielle & salons d’orientation :

• Piloter la participation de l’Isep aux salons d’orientation dans toute la France
• Participer à l’organisation des événements phares de l’école
• Utiliser le CRM pour des campagnes ciblées (futurs élèves, parents, prescripteurs).
• Créer des contenus engageants pour amplifier la vie de l’Ecole : vidéos, interviews, articles, portraits, etc.

Poste #2 orientation communication digitale et site web :

•  Concevoir les brochures et les supports en Français et en Anglais avec des messages forts
• Gérer et animer le site web de l’Isep et optimiser son référencement (SEO / SEA)
• Animer les différents canaux de communication digitale de l’Ecole en proposant des innovations
• Mettre en place des tableaux de bord de suivi des performances des actions digitales

 Rattachement :

Service Communication de l’Isep (au sein de la Direction Marketing, Communication et Admissions)

Lieu de travail :

Isep – Paris 6^e (Métro Notre Dame des Champs).

Profils recherchés pour les 2 postes :

• Formation Bac+3 à Bac+5 en communication/ marketing digital/événementiel : Ecole de Management, Celsa, Iscom, etc.
• Expérience de 2 à 3 ans minimum dans un poste similaire.
• Intérêt pour le monde de l’Enseignement Supérieur

lettre de candidature + CV à adresser au Service des Ressources Humaines : candidature@isep.fr et mettre en copie la Direction Marketing, Communication et Admissions pascale.baudemont@isep.fr

Le poste est ouvert à partir du 1^er septembre 2025 (CDI). 

Avantages sociaux : temps de travail flexible, télétravail, mutuelle, PEE, tickets-restaurant.

Poste à temps plein (CDI) ouvert au 1/9/2025.

Référence : Ens-2025-data

Poste et missions

L’Isep, Grande École d’Ingénieurs, EESPIG, membre de la FESIC, recherche un.e enseignant.e en Informatique et data, les enseignements auront lieu à Paris et Issy-les-Moulineaux.

Enseignement

Le candidat recruté participera aux enseignements d’Informatique et data de l’Isep au niveau Bachelor, classes préparatoires intégrées et cycle ingénieur, en français et en anglais. Le poste est à temps complet. En fonction de l’expérience et des compétences du candidat, des responsabilités opérationnelles en gestion de l’enseignement pourront lui être proposées dès sa prise de fonction.

Compétences et connaissances

Compétences principales

• Probabilités, Statistiques, Analyse de données
• Intelligence Artificielle, Deep Learning
• Langage de programmation (python, java…)

Compétences complémentaires appréciées

• IA Générative
• Traitement du signal et des images
• Langage de développement web (php, HTML, CSS, javascript)

Compétences professionnelles

• Expérience de l’enseignement
• Maitrise de l’anglais (enseignement en anglais)
• Sens de l’écoute, bonne communication

Une expérience en entreprise, et une expérience des méthodes pédagogiques actives (pédagogie par projet, par problèmes, e-learning…) seront appréciées. Il est attendu des permanents de l’Isep une capacité à être « ambassadeur de l’Isep » auprès de ses parties prenantes (familles, partenaires) et porteurs de ses valeurs (Écoute, Exigence, Engagement).

Diplômes et Expérience

Le poste exige un diplôme bac+5 français ou étranger (avec une expérience de préférence en entreprise ou en structure de formation), ou un profil scientifique (doctorat).

Processus de recrutement

Le poste est ouvert à partir du 1^er septembre 2025 (CDI). Le poste est basé à Issy-les-Moulineaux (Métro Corentin Celton) ou à Paris 6^e (Métro Notre Dame des Champs).

Avantages sociaux : temps de travail flexible, télétravail, mutuelle, PEE, tickets-restaurant.

Les lettres de candidature, accompagnées d’un curriculum vitae faisant état des activités d’enseignement/formation, en entreprise, sont à adresser à candidature@isep.fr et matthieu.manceny@isep.fr en précisant la référence de l’annonce dans l’objet du mail.

Après une première sélection sur dossier, le processus de recrutement comprend un entretien avec la direction des études, une séance de professorat (partiellement en anglais), et un dernier entretien devant la direction générale.

Poste à temps plein (CDI) ouvert au 1/9/2025.

Référence : Ens-2025-info

Poste et missions

L’Isep, Grande École d’Ingénieurs, EESPIG, membre de la FESIC, recherche un.e enseignant.e en Informatique, les enseignements auront lieu à Paris et Issy-les-Moulineaux.

Enseignement

Le candidat recruté participera aux enseignements d’Informatique (notamment architecture des systèmes d’information et cloud) de l’Isep au niveau Bachelor, classes préparatoires intégrées et cycle ingénieur, en français et en anglais. Le poste est à temps complet. En fonction de l’expérience et des compétences du candidat, des responsabilités opérationnelles en gestion de l’enseignement pourront lui être proposées dès sa prise de fonction.

Compétences et connaissances

Compétences principales

• Architecture des systèmes d’information
• Infrastructure Cloud, Cloud computing

Compétences complémentaires appréciées

• Langages de développement (python, java)
• Langages de développement web (php, HTML, CSS, javascript)
• ERP, CRM
• Modélisation de processus, transformation numérique, organisation
• Cybersécurité

Compétences professionnelles

• Expérience de l’enseignement
• Maitrise de l’anglais (enseignement en anglais)
• Sens de l’écoute, bonne communication

Une expérience en entreprise, et une expérience des méthodes pédagogiques actives (pédagogie par projet, par problèmes, e-learning…) seront appréciées.

Il est attendu des permanents de l’Isep une capacité à être « ambassadeur de l’Isep » auprès de ses parties prenantes (familles, partenaires) et porteurs de ses valeurs (Écoute, Exigence, Engagement).

Diplômes et Expérience

Le poste exige un diplôme bac+5 français ou étranger (avec une expérience de préférence en entreprise ou en structure de formation), ou un profil scientifique (doctorat).

Processus de recrutement

Le poste est ouvert à partir du 1^er septembre 2025 (CDI). Le poste est basé à Issy-les-Moulineaux (Métro Corentin Celton) ou à Paris 6^e (Métro Notre Dame des Champs).

Avantages sociaux : temps de travail flexible, télétravail, mutuelle, PEE, tickets-restaurant.

Les lettres de candidature, accompagnées d’un curriculum vitae faisant état des activités d’enseignement/formation, en entreprise, sont à adresser à candidature@isep.fr et matthieu.manceny@isep.fr en précisant la référence de l’annonce dans l’objet du mail.

Après une première sélection sur dossier, le processus de recrutement comprend un entretien avec la direction des études, une séance de professorat (partiellement en anglais), et un dernier entretien devant la direction générale.

Poste ouvert et disponible immédiatement.

Poste et missions :

L’Institut Supérieur d’Electronique de Paris (Isep, http://www.Isep.fr), Grande École d’Ingénieurs, EESPIG, membre de la FESIC, située à Paris et Issy les Moulineaux, recherche un enseignant-chercheur en informatique CNU section 27.

Recherche

Pour 50% de son temps, le candidat sera amené à monter et mener des travaux de recherche dans une spécialité scientifique relevant de ses spécialités, au sein du laboratoire LISITE de l’ISEP membre de l’Ecole Doctorale parisienne EDITE (Université Paris Sorbonne), menés, pour la majorité d’entre eux, en partenariat interne ou externe.  Le candidat pourra cependant conserver son rattachement à son groupe de recherche d’origine. Le candidat doit faire preuve d’une grande autonomie et d’un fort potentiel en recherche scientifique pouvant se traduire par des publications, le montage de projets collaboratifs et de partenariats avec les entreprises.

Enseignement

Pour 50% de son temps, le candidat recruté participera aux enseignements de l’Isep en science des données (selon profil : en informatique et/ou traitement de signal) au niveau Bachelor, classe préparatoires intégrées et cycle ingénieur, en français et en anglais. En fonction de son expérience, des responsabilités opérationnelles en gestion de l’enseignement pourront être proposées au candidat dès sa prise de fonction.

Compétences et connaissances

Compétences/connaissances scientifiques :

• Intelligence artificielle et science des données
• Programmation et algorithmique

Compétences complémentaires appréciées : cybersécurité, IA génératives (transformers), Traitement numérique du signal

Compétences professionnelles

• Expérience de l’enseignement
• Maitrise de l’anglais (recherche et enseignement)
• Sens de l’écoute, bonne communication
• Affinité avec le monde de l’entreprise et socio-économique

Il est attendu des personnels de l’Isep une capacité à être « ambassadeurs de l’Isep » auprès de ses parties prenantes (familles, partenaires) et porteurs de ses valeurs (Ecoute, Exigence, Engagement).

Diplômes et Expérience

Le poste exige un doctorat français ou étranger.

Les candidats titulaires d’une habilitation à diriger les recherches, ou du grade de Professeur d’un établissement de la FESIC sont encouragés à le mentionner lors de leur candidature.

Une expérience en entreprise, et une expérience des méthodes pédagogiques actives (pédagogie par projet, par problèmes, e-learning…) seront appréciées.

Processus de recrutement

Le poste est ouvert en CDI à temps plein, à partir du 1er mars 2024.

Le poste est basé à Issy-les-Moulineaux (Métro Corentin Celton) ou à Paris 75006 (Métro Notre Dame des Champs)

Avantages sociaux : temps de travail flexible, télétravail, RTT, mutuelle, PEE, tickets-restaurant.

Les lettres de candidature, accompagnées d’un curriculum vitae faisant état des activités d’enseignement, des travaux de recherche des relations avec le monde académique et industriel, sont à adresser à candidature@isep.fr.

Après une première sélection sur dossier, le processus de recrutement comprend un entretien avec les responsables de groupe de recherche et de domaine d’enseignement, une séance de professorat (partiellement en anglais) et un dernier entretien devant la direction générale.

Poste ouvert et disponible immédiatement.

Poste et missions :

L’Institut Supérieur d’Electronique de Paris (Isep, http://www.Isep.fr), Grande École d’Ingénieurs, EESPIG, membre de la FESIC, située à Paris et Issy les Moulineaux, recherche un enseignant-chercheur en électronique CNU section 63.

Recherche

Pour 50% de son temps, le candidat sera amené à monter et mener des travaux de recherche dans une spécialité scientifique relevant de ses spécialités, au sein du laboratoire LISITE de l’ISEP membre de l’Ecole Doctorale parisienne EDITE (Université Paris Sorbonne), menés, pour la majorité d’entre eux, en partenariat interne ou externe.  Le candidat pourra cependant conserver son rattachement à son groupe de recherche d’origine. Le candidat doit faire preuve d’une grande autonomie et d’un fort potentiel en recherche scientifique pouvant se traduire par des publications, le montage de projets collaboratifs et de partenariats avec les entreprises.

Enseignement

Pour 50% de son temps, le candidat recruté participera aux enseignements de l’Isep en électronique au niveau Bachelor, classe préparatoires intégrées et cycle ingénieur, en français et en anglais. En fonction de son expérience, des responsabilités opérationnelles en gestion de l’enseignement pourront être proposées au candidat dès sa prise de fonction.

Compétences et connaissances

Compétences/connaissances scientifiques :

• Electronique numérique
• Systèmes bas niveau : SOC, micronoyaux, edge computing, IoT

Compétences complémentaires appréciées : IA embarquée, réseaux neuronaux contraints, écoconception

Compétences professionnelles

• Expérience de l’enseignement
• Maitrise de l’anglais (recherche et enseignement)
• Sens de l’écoute, bonne communication
• Affinité avec le monde de l’entreprise et socio-économique

Il est attendu des permanents de l’Isep une capacité à être « ambassadeurs de l’Isep » auprès de ses parties prenantes (familles, partenaires) et porteurs de ses valeurs (Ecoute, Exigence, Engagement).

Diplômes et Expérience

Le poste exige un doctorat français ou étranger. Les candidats titulaires d’une habilitation à diriger les recherches, ou du grade de Professeur d’un établissement de la FESIC sont encouragés à le mentionner lors de leur candidature. Une expérience en entreprise, et une expérience des méthodes pédagogiques actives (pédagogie par projet, par problèmes, e-learning…) seront appréciées.

Processus de recrutement

Le poste est ouvert en CDI à temps plein, à partir du 1er mars 2024.

Le poste est basé à Issy-les-Moulineaux (Métro Corentin Celton) ou à Paris (75006 – Métro Notre Dame des Champs

Avantages sociaux : temps de travail flexible, télétravail, RTT, mutuelle, PEE, tickets-restaurant.

Les lettres de candidature, accompagnées d’un curriculum vitae faisant état des activités d’enseignement, des travaux de recherche des relations avec le monde académique et industriel, sont à adresser à candidature@isep.fr.

Après une première sélection sur dossier, le processus de recrutement comprend un entretien avec les responsables de groupe de recherche et de domaine d’enseignement, une séance de professorat (partiellement en anglais) et un dernier entretien devant la direction générale.

Poste ouvert et disponible immédiatement. 

Poste et missions 

L’Isep-Bordeaux (http://www.isep.fr), Grande Ecole d’Ingénieurs, EESPIG, membre de la FESIC, recherche un enseignant-chercheur en Informatique, CNU section 27 pour son site de Bordeaux, au plus tard pour la rentrée de septembre 2025 avec arrivée possible dès janvier 2025 sur le site de Paris.

Recherche 

Pour 50% de son temps, le candidat sera amené à monter et mener des travaux de recherche dans une spécialité scientifique du laboratoire LISITE de l’Isep membre de l’Ecole Doctorale parisienne EDITE (Université Paris Sorbonne) et labellisé HCERES. La candidate ou le candidat pourra cependant conserver son rattachement à son groupe de recherche d’origine. 

La candidate ou le candidat doit faire preuve d’une grande autonomie et d’un fort potentiel en recherche scientifique pouvant se traduire par des publications, le montage de projets collaboratifs et de partenariats avec les entreprises. Il sera amené à encadrer des thèses doctorales et pourra obtenir son HDR à l’Isep avec l’EDITE de Sorbonne Université. 

Enseignement 

Pour 50% de son temps, la candidate ou le candidat recruté.e participera aux enseignements d’Informatique à l’Isep-Bordeaux au niveau Bachelor « Informatique Projet numérique (IPN) », et en cycle préparatoire intégré, en français. En fonction de son expérience, des responsabilités opérationnelles en gestion de l’enseignement pourront être proposées au candidat dès sa prise de fonction. 

Compétences et connaissances exigées 

Compétences/connaissances scientifiques (non exhaustif) : 

• Architecture des systèmes informatique 
• Informatique générale, algorithmique et programmation 
• Si possible informatique industrielle 

Compétences professionnelles 

• Expérience de l’enseignement 
• Maitrise de l’anglais (recherche) 
• Sens de l’écoute, bonne communication
  

Une expérience en entreprise, et une expérience des méthodes pédagogiques actives (pédagogie par projet, par problèmes, e-learning…) seront appréciées. Néanmoins les candidatures de jeunes doctorants ou doctorantes avec du potentiel sont les bienvenues. Il est attendu des permanents de l’Isep une capacité à être « ambassadeurs de l’Isep » auprès de ses parties prenantes (familles, partenaires) et porteurs de ses valeurs (Ecoute, Exigence, Engagement). 

Diplômes et Expérience 

Le poste exige un doctorat français ou étranger. 

Processus de recrutement  

Le poste est ouvert en CDI à plein temps.
Rémunération selon expérience.
Le poste est basé à Bordeaux pour la rentrée de septembre 2025, avec une arrivée possible à Paris dès janvier 2025. 

Avantages sociaux : télétravail, RTT, mutuelle, PEE, tickets-restaurants, 7 semaines de congés après 1 an d’ancienneté. 

Les lettres de candidature, accompagnées d’un curriculum vitae faisant état des activités d’enseignement, des travaux de recherche des relations avec le monde académique et industriel, sont à adresser à candidature@isep.fr avec la référence ECIB.

Après une première sélection sur dossier, le processus de recrutement comprend un entretien avec les responsables de groupe de recherche et de domaine d’enseignement, une séance de professorat (partiellement en anglais) et un dernier entretien devant la direction générale.  

Informations générales

Venez nous rejoindre au Laboratoire d’Informatique, Signal & Image, Télécom & Electronique (LISITE) situé à l’Isep, Ecole d’ingénieurs du numérique (Isep), 10 rue de Vanves à Issy-Les-Moulineaux en Ile-de-France. https://www.isep.fr/la-recherche/

Durée du programme : 36 mois maximum

Domaine : Sciences & Technologie de l’Information & la Communication

Axe : Data Science, Signal Processing

Groupe de recherche : DaSSIP

Collaboration : Informatics Institute (ITU), İstanbul Teknik Üniversitesi

Contexte et motivation scientifique

Les maladies myopathiques sont généralement diagnostiquées par observation clinique et analyse manuelle des signaux d’électromyographie (EMG) par les rhumatologues et les neurologues. Cependant, le processus de diagnostic manuel est long, sujet aux erreurs humaines et dépend fortement de l’expertise des professionnels de la santé. Alors que les systèmes de santé sont confrontés à une demande croissante d’outils de diagnostic plus précis et plus efficaces, l’intelligence artificielle (IA) offre des solutions prometteuses.

Des recherches récentes ont montré que l’intégration de modèles d’apprentissage automatique dans des systèmes de diagnostic en temps réel, en particulier avec l’utilisation de signaux EMG, peut améliorer l’efficacité d’obtention des résultats [1-7, 13]. Des techniques telles que les réseaux neuronaux convolutifs (CNN) et les modèles hybrides combinant les CNN avec les réseaux neuronaux récurrents (RNN) ont fourni des performances élevées pour la classification des données EMG. Les CNN sont particulièrement efficaces dans l’analyse spatiale, en capturant les modèles locaux au sein du signal, tandis que les RNN ou réseaux de mémoire à long terme (LSTM) excellent dans la modélisation de séquences temporelles, ce qui est crucial pour les signaux EMG qui varient dans le temps [8, 9]. Bien que les approches d’apprentissage profond éliminent le besoin d’extraction manuelle de caractéristiques, elles présentent des défis liés à l’interprétabilité et à la complexité de calcul [10].

Les préoccupations éthiques, notamment en matière d’explicabilité et de biais, restent non résolues dans les applications en médicine [1–7]. L’adoption de l’IA en milieu clinique exige une transparence dans la prise de décision afin de garantir la sécurité des patients et la confiance des prestataires de soins. De plus, ces modèles impliquent souvent des coûts de calcul élevés et une complexité accrue, ce qui les rend moins viables pour une utilisation clinique en temps réel [5]. Les méthodes d’Intelligence Artificielle explicable (XAI) visent à réduire le gap entre la nature « boîte noire » des modèles d’apprentissage profond et le besoin de transparence dans la prise de décision en milieu clinique [11,12].

L’objectif de ce projet est non seulement de développer un système de diagnostic efficace et en temps réel, capable de traiter efficacement les signaux EMG et de fournir un retour d’information immédiat aux cliniciens sans compromettre la précision du diagnostic, mais aussi d’intégrer l’XAI pour améliorer l’interprétabilité des modèles diagnostiques et garantir le respect des normes éthiques, telles que l’équité et la responsabilité. En proposant des explications visuelles ou textuelles claires des résultats diagnostiques, le système fournira aux cliniciens un outil plus compréhensible et plus fiable pour les aider à prendre des décisions médicales. Cette transparence est essentielle pour répondre aux préoccupations réglementaires et favoriser une adoption plus large des technologies d’IA dans le secteur de la santé.

Objectifs

• Développer une plateforme basée sur l’IA capable de diagnostiquer diverses maladies myopathiques en analysant les signaux EMG collectés à l’aide de capteurs EMG placés sur les bras des patients, réduisant ainsi la charge de travail des professionnels de la santé, améliorant la précision du diagnostic et garantissant que les patients reçoivent des traitements opportuns et appropriés.
• Intégrer des mécanismes d’explicabilité dans les modèles d’apprentissage profond, fournissant des explications visuelles pour les classifications des maladies myopathiques. Cela répondra au besoin clinique de transparence et de confiance dans les systèmes d’IA, essentiels à une adoption éthique dans la pratique médicale. Le recours à l’IA explicable (IAX) garantira l’interprétabilité des décisions du système, offrant ainsi une vision claire du processus diagnostique, essentielle au maintien de la confiance entre les professionnels de santé et les patients.

Profil (connaissances et compétences attendues)

• Diplôme d’ingénieur / Master avec une expertise en apprentissage automatique, apprentissage profond, et traitement du signal est un plus.

• Compétences en programmation en Python, Pytorch / Tensorflow.

• Maîtrise de la langue anglaise à l’oral et à l’écrit (C1 préféré / C2).

• Intérêt pour la santé.

Niveau d’étude 

(Description du type de diplôme attendu, attention on ne peut pas accepter d’étudiante.s n’ayant pas un diplôme de master ou un diplôme d’ingénieur)

• Diplôme d’ingénieur / Master avec une expertise en apprentissage automatique et science des données.

Contact & candidature

• Maria TROCAN maria.trocan@isep.fr
• Behcet Ugur Toreyin toreyin@itu.edu.tr
• Patricia CONDE CESPEDES patricia.conde-cespedes@isep.fr

Bibliographie

• [1] U. Côté-Allard, C. L. Fall, A. Drouin, A. Campeau-Lecours, C. Gosselin, K. Glette, F. Lavio-lette, and B. Gosselin, Deep learning for electromyographic hand gesture signal classification using transfer learning, IEEE Transactions on Neural Systems and Rehabilitation Engineering 27, 760 (2019).
• [2] J. Aoe, R. Fukuma, T. Yanagisawa, et al., Automatic diagnosis of neurological diseases using meg signals with a deep neural network, Scientific Reports 9, 5057 (2019).
• [3] E. Tuncer and E. Dogru Bolat, Classification of myopathy and normal electromyogram (EMG) data with a new deep learning architecture, Balkan Journal of Electrical and Computer Engineering 11, 267 (2023).
• [4] Y. Xu, J. Zhu, and X. Zhao, Emg signal classification based on deep learning and augmented dataset, Frontiers in Neuroscience 15, 640829 (2021).
• [5] N. D. Alotaibi and A. Badr, Machine learning approaches for EMG signal classification in neurological disorder detection, IEEE Access 7, 58506 (2019).
• [6] S. R. Krishnan and R. Anirudh, Efficient processing of EMG signals for clinical applications: Challenges and opportunities, Biomedical Engineering Letters 7, 1 (2015).
• [7] Tiago Lopes Rezende, Adam Wilheim, Adriana Berger, Patricia Conde-Cespedes, Maria Trocan, and Frédéric Amiel, “Machine Learning Algorithms Comparison for Hand sEMG-recorded Movements Classification” in Asian Conference on Intelligent Information and Database Systems-ACIIDS 2025 (to appear) (2025).
• [8] J. Liu and P. Wang, Classification of myopathic disorders using emg signals: Machine learning approaches and challenges, IEEE Transactions on Biomedical Engineering 62, 2323 (2015).
• [9] M. A. Oskoei and H. Hu, Support vector machine for real-time EMG signal classification in diagnosis of neuromuscular disorders, Journal of Neural Engineering 5, 276 (2008).
• [10] A. Fougner, E. Scheme, and K. Englehart, A review of control schemes for pattern recognition-based myoelectric control systems, Biomedical Signal Processing and Control 8, 423 (2011).
• [11] A. B. Arrieta et al., Explainable artificial intelligence (XAI): Concepts, taxonomies, opportunities and challenges toward responsible ai, Information Fusion 58, 82 (2020).
• [12] A. Holzinger et al., What do we need to build explainable AI systems for the medical domain?, arXiv preprint arXiv:1712.09923 (2017).
• [13] Massimo Coppotelli, David Albert, Julio García Barrena, Romy El Khoury, Patricia Conde-Cespedes, and Maria Trocan : “Machine Learning Models for EMG-Based Diagnosis of Neuromuscular Disorders” to appear in proceedings at the IEEE 20th Conference on PhD Research in Microelectronics and Electronics (PRIME 2025).

Informations générales

Venez nous rejoindre au Laboratoire d’Informatique, Signal & Image, Télécom&Electronique (LISITE) situé à l’Isep, Ecole d’ingénieurs du numérique (Isep), 10 rue de Vanves à Issy-Les-Moulineaux en Ile-de-France. https://www.isep.fr/la-recherche/

Durée du programme : 36 mois maximum

Domaine : Sciences & Technologie de l’information & la communication

Axe : Cybesécurité

Groupe de recherche : ECoS

Collaboration : Université Paris-Saclay

Contexte et motivation scientifique

Avec la prolifération rapide des appareils de l’Internet des objets (IoT), les approches traditionnelles de gestion de réseau peinent à maintenir la sécurité et les performances. En découplant le plan de contrôle du plan de données, la mise en réseau définie par logiciel (SDN) permet une gestion centralisée du réseau, ce qui est particulièrement bénéfique pour la nature dynamique et hétérogène des environnements IoT. En outre, le SDN a fait l’objet de recherches approfondies et a été mis en œuvre pour améliorer le contrôle et la sécurité des réseaux IoT.

De plus, l’intégration de l’intelligence artificielle (IA) dans le SDN pour les réseaux IoT améliore considérablement le contrôle et la sécurité. La capacité de l’IA à analyser de grandes quantités de données et à identifier des modèles complète la gestion centralisée du SDN, conduisant à des opérations de réseau plus intelligentes et plus réactives.

Dans ce contexte, le SDN offre un contrôle centralisé et une programmabilité, mais l’intégration de l’IA introduit l’analyse prédictive, la détection des anomalies et la prise de décision automatisée, ce qui améliore considérablement la résilience et l’adaptabilité du réseau. Ce stage vise à développer des solutions SDN intelligentes qui prévoient les cyberattaques des réseaux IoT.

Etat de l’art :

Plusieurs études de recherche ont démontré le potentiel des réseaux SDN améliorés par l’IA pour les réseaux IoT. Dans [1], les auteurs ont proposé un système de détection des intrusions en deux étapes basées sur l’IA pour les réseaux IoT définis par logiciel (SD-IoT), tirant parti de l’algorithme Bat pour la sélection des caractéristiques et de Random Forest pour la détection intelligente des attaques, obtenant une précision de classification supérieure avec un surcoût inférieur par rapport aux solutions existantes.

L’article [2] propose une méthode d’atténuation des attaques DDoS basée sur la blockchain, intégrant l’IA et le SDN pour améliorer la sécurité de l’IoT, atteignant une précision de détection de plus de 99,8 % avec des temps de traitement des signatures efficaces et un taux de réussite de la défense conjointe plus élevé par rapport aux architectures de sécurité de l’IoT traditionnelles.

Dans [3], les auteurs ont présenté une approche distribuée basée sur l’apprentissage fédéré dans un environnement SDN pour améliorer la sécurité dans les réseaux satellite-IoT, classant efficacement le trafic malveillant, bloquant les sources d’inondation et atteignant une précision de détection des attaques de 79,47%, avec des travaux futurs visant à améliorer la précision et à incorporer des techniques de confidentialité différentielle.

Cet article [4] propose une approche optimisée de détection et d’atténuation des DDoS dans les environnements SDN en intégrant Mininet, le contrôleur Ryu et un modèle 1D-CNN réglé par hyperparamètres, atteignant une précision de détection de 99,99 % et surpassant les modèles ML traditionnels grâce à une analyse améliorée des schémas de trafic et à l’adaptation dynamique de la politique du réseau.

Cependant, plusieurs limitations existent dans ces travaux notamment :

• Le manque d’approche contextuelle liée au cas d’usage étudié : les solutions existantes se focalisent souvent sur des détections basées sur des caractéristiques statiques (taux de paquets, adresses IP, type de flux) sans prendre en compte le contexte applicatif ou métier du trafic IoT (par exemple : un pic de trafic peut être légitime dans un contexte de mise à jour firmware).
• Latence induite par les modules IA dans le contrôleur SDN : les algorithmes IA placés dans le plan de contrôle (core ou l’interface northbound) peuvent introduire des délais de décision importants, notamment avec les contraintes temps réel ou quasi-réel des systèmes IoT critiques (e-santé, industriel, etc.).
• Peu de gestion des attaques multi-vectorielles ou en chaînes : beaucoup de travaux traitent des attaques individuelles (DDoS, spoofing, injection…) mais les attaques composites ou en étapes successives dans un environnement IoT-SDN restent peu adressées.

Méthodologie :

• Effectuer un examen approfondi des techniques existantes d’intégration de l’IA et du SDN, en se concentrant sur les applications IoT.
• Acquérir une expérience pratique avec les contrôleurs SDN, les frameworks d’IA et les protocoles IoT.
• Tester des modèles d’IA pour prédire les cyberattaques dans les réseaux IoT.
• Déployer la solution dans un environnement IoT simulé à l’aide de plateformes SDN open-source. Évaluer les mesures de performance telles que la latence, le débit et la résilience de la sécurité.
• Documenter les résultats de la recherche, le processus de développement et les résultats de l’évaluation.

Solutions SDN open-source existantes

• OpenDaylight : Un contrôleur SDN open-source modulaire qui prend en charge divers protocoles de sortie sud (par exemple, OpenFlow), adapté aux modifications pilotées par l’IA [7].
• ONOS (Open Network Operating System) : Conçu pour l’évolutivité et la haute disponibilité, ONOS est idéal pour les grands réseaux IoT et prend en charge l’intégration avec des modules d’IA [5].
• RYU : Un framework SDN basé sur des composants et écrit en Python, connu pour sa simplicité et sa flexibilité, ce qui le rend adapté au prototypage et à l’expérimentation rapides de l’IA [6].

Objectifs

L’objectif général de cette thèse est de proposer une approche intelligente et contextuelle de sécurisation des réseaux IoT basés sur SDN, intégrant des mécanismes de détection d’anomalies, tout en respectant les contraintes de latence et de ressources propres aux environnements IoT. Pour atteindre cet objectif général, plusieurs objectifs spécifiques sont définis :

• Concevoir un modèle de détection d’anomalies contextuelles pour les réseaux IoT-SDN, prenant en compte à la fois les caractéristiques réseau (flux, taux de paquets, etc.) et le contexte applicatif ou métier (type de périphérique, période d’activité, scénario métier) afin de réduire les faux positifs et améliorer la pertinence des décisions de sécurité.
• Proposer une architecture hybride d’intégration de modules IA dans le SDN, capable de répartir intelligemment les tâches de détection entre le contrôleur central et des entités déportées (edge/fog), afin de limiter la latence et garantir la réactivité pour les applications IoT sensibles au temps.
• Développer un mécanisme de détection et de corrélation d’attaques multi-vectorielles et en chaîne, capable d’identifier des séquences d’événements malveillants répartis dans le temps ou sur différents canaux du réseau IoT-SDN.

Profil (connaissances et compétences attendues)

• Solides connaissances en réseau, SDN, IoT et IA.
• Maîtrise des langages de programmation tels que Python, Java ou C++.
• Connaissance des frameworks d’IA/ML (par exemple, TensorFlow, PyTorch).
• Familiarité avec les outils de simulation de réseau (par exemple, Mininet).
• Familiarité avec les concepts de cybersécurité et les cyberattaques.
• Un bon niveau d’anglais.

Niveau d’étude 

Master en Télécommunication et Cybersécurité (de préférence avec une partie IA dans le cursus)

Contact & candidature

Par courriel à Saad EL JAOUHARI (saad.el-jaouhari@isep.fr) en envoyant un CV, une lettre de motivation et un relevé de notes de M1. Dans le cas contraire, la candidature ne sera pas prise en compte.

Bibliographie

[1] J. Li, Z. Zhao, R. Li and H. Zhang, « AI-Based Two-Stage Intrusion Detection for Software Defined IoT Networks, » in IEEE Internet of Things Journal, vol. 6, no. 2, pp. 2093-2102, April 2019, doi: 10.1109/JIOT.2018.2883344.

[2] Wang S, Zhang J, Zhang T. AI-enabled blockchain and SDN-integrated IoT security architecture for cyber-physical systems. Advanced Control for Applications: Engineering and Industrial Systems. 2024; 6(2):e131. doi: 10.1002/adc2.131

[3] R. Uddin and S. A. P. Kumar, « SDN-Based Federated Learning Approach for Satellite-IoT Framework to Enhance Data Security and Privacy in Space Communication, » in IEEE Journal of Radio Frequency Identification, vol. 7, pp. 424-440, 2023, doi: 10.1109/JRFID.2023.3279329.

[4] Y. Al-Dunainawi, B. R. Al-Kaseem and H. S. Al-Raweshidy, « Optimized Artificial Intelligence Model for DDoS Detection in SDN Environment, » in IEEE Access, vol. 11, pp. 106733-106748, 2023, doi: 10.1109/ACCESS.2023.3319214.

[5] ONOS SDN https://opennetworking.org/onos/

[6] RYU SDN https://ryu-sdn.org/

[7] Opendaylight  https://www.opendaylight.org/

Informations générales

Venez nous rejoindre au Laboratoire d’Informatique, Signal & Image, Télécom Electronique (LISITE) situé à l’Isep, École d’ingénieurs du numérique (Isep), 10 rue de Vanves à Issy-Les-Moulineaux en Ile-de-France. https://www.isep.fr/la-recherche/

Durée du programme : 36 mois maximum

Domaine : Sciences & Technologie de l’information & la communication

Axe : Localisation et Numérique au service de la santé et de l’environnement

Groupe de recherche : ECos / DASSIP

Collaboration : Université de Wenzhou, Chine.

Contexte et motivation scientifique

L’importance de l’échange de données en temps réel et de la gestion intelligente des hôpitaux a été fortement mise en lumière durant la crise pandémique. Ainsi, la conceptualisation et le développement de ce type de structure marquent le début d’une nouvelle ère dans le secteur hospitalier, impactant aussi bien les infrastructures que le personnel soignant et les patients. En effet, les hôpitaux intelligents permettront de réduire les situations à risque, d’améliorer la sécurité et l’efficacité du travail, tout en générant des gains de temps et d’argent.

Avec le développement du concept d’hôpital intelligent, de nombreux services prometteurs verront le jour, tels que la gestion efficace des situations d’urgence, le désengorgement des services d’urgences, le suivi en temps réel des lits disponibles, le traçage des patients et du personnel médical en activité afin de déterminer des schémas comportementaux, etc.

Pour fonctionner correctement, tous ces services nécessitent un accès à une information de localisation précise des patients et du personnel médical. Les systèmes de localisation utilisés doivent répondre à plusieurs critères, notamment la précision, le coût, la latence, l’efficacité énergétique, la fiabilité et la scalabilité.

Cependant, l’environnement hospitalier constitue un contexte complexe, générant de nombreuses difficultés et vulnérabilités. Les principaux défis incluent :

• La disponibilité de différentes technologies de communication utilisées pour la localisation, en fonction de la nature des espaces concernés. En effet, certaines solutions proposent l’utilisation simultanée de plusieurs technologies. Par exemple, le Bluetooth peut être utilisé pour localiser les zones communes et les couloirs, tandis que des capteurs infrarouges ou à ultrasons sont installés dans les salles de soins pour une localisation fiable à l’échelle de la pièce. Certains hôpitaux ou établissements de soins utilisent également le Wi-Fi. Une telle complexité dans la mise en œuvre du positionnement pose des problèmes tant en termes de gestion du système que de technologie embarquée dans les dispositifs de localisation.
• L’utilisation d’équipements médicaux émettant des rayonnements, notamment les rayons X, qui peuvent interférer avec les technologies de localisation.
• La forte dynamique de l’environnement hospitalier, combinée à la présence d’obstacles statiques et dynamiques, peut altérer la stabilité et l’efficacité des techniques de localisation au fil du temps.

Objectifs

L’objectif de ce projet est d’utiliser de la technologie pour collecter des données et suivre la traçabilité du mouvement des patients afin d’analyser le comportement et déduire des interprétations médicales

En développant un système de localisation combinant différentes natures de données d’entrée collectées par plusieurs capteurs, nous souhaitons fournir une solution multimodale toujours disponible et efficace, même dans des environnements dégradés et difficiles. Un tel système exploitera les données de manière dynamique et déterminera la position d’un utilisateur en temps réel afin de permettre une intervention rapide, permettant ainsi de sauver des vies et de réduire les coûts.

Les objectifs attendus sont ci-après :

• • Adaptation de l’IA dans l’exploitation des données issues des diapositifs IoT dans le domaine médical,
  • Créer un système de localisation centralisé multimodal basé sur les données disponibles en utilisant des techniques avancées d’IA et en fusionnant des données de différents capteurs et de différentes technologies,
  • Exploration de l’expérience comportementale des patients pour affiner les interprétations et les actions médicales.

Profil (connaissances et compétences attendues)

• Connaissances suffisantes dans le domaine de l’intelligence artificielle et de l’apprentissage automatique.
• Connaissances en vision par ordinateur (Computer Vision).
• Des compétences en traitement du signal seront un atout.
• Expérience en recherche démontrée par un stage, une expérience professionnelle ou des compétitions de programmation.
• Connaissances en Python et matlab.
• Bonnes compétences en communication et expérience du travail en équipe.
• Bon niveau d’anglais oral et écrit.

Niveau d’étude 

Les candidats doivent être titulaires d’un diplôme d’ingénieur ou d’un master.

Contact & candidature

Les candidatures doivent inclure un CV détaillé, deux lettres de recommandation, une lettre de motivation d’une page, le diplôme et le relevé de notes.

Toutes les candidatures doivent être envoyées directement par e-mail à :

• Dr Wafa NJIMA : njima@isep.fr
• Dr Hedi YAZID : yazid@isep.fr .
• Pr Florence ROSSANT : rossant@isep.fr
• Pr Huaqiong Li: lihq@ucas.ac.cn

Pour les candidatures, l’objet de votre e-mail doit être : « Candidature pour la thèse sur la localisation pour la santé ».

Bibliographie

[1] M. Huguet et al., “Indoor positioning systems provide insight into emergency department systems enabling proposal of designs to improve workflow,” Commun. Med., vol. 5, no. 1, p. 72, Mar. 2025, doi: 10.1038/s43856-025-00793-y.

[2] T. Aziz and I. Koo, “A Comprehensive Review of Indoor Localization Techniques and Applications in Various Sectors,” Appl. Sci., vol. 15, no. 3, Art. no. 3, Jan. 2025, doi: 10.3390/app15031544.