[StageM2] Approche Deep Learning pour l'analyse du mouvement chez des enfants présentant des troubles moteurs et de la coordination

Annonce

[StageM2] Approche Deep Learning pour l’analyse du mouvement chez des enfants présentant des troubles moteurs et de la coordination

19 December 2025

Catégorie : Postes Stagiaires ;

Contexte

Les troubles moteurs et de la coordination chez l’enfant, tels que les troubles développementaux de la coordination ou certaines atteintes neuromotrices, ont un impact important sur les apprentissages, l’autonomie et la qualité de vie. Leur évaluation clinique repose principalement sur des observations expertes et des tests standardisés, dont l’objectivation fine et le suivi longitudinal restent limités. Les avancées récentes en intelligence artificielle, en particulier en deep learning et en architectures de type transformers pour l’analyse de données spatio-temporelles et multimodales, ouvrent de nouvelles perspectives pour caractériser le mouvement de manière quantitative et reproductible. Ce stage s’inscrit dans un partenariat entre le LIASD de l’Université Paris 8 et la Fondation Hopale, spécialisée dans la prise en charge et la rééducation d’enfants présentant des troubles des apprentissages.

Objectifs et travail à réaliser

Le stage vise à explorer et développer des approches récentes en intelligence artificielle, basées sur le deep learning et les transformers, pour l’analyse automatique du mouvement chez des enfants présentant des troubles moteurs et de la coordination. Le travail consistera à structurer et prétraiter des données multimodales issues de contextes cliniques (vidéos, capteurs inertiels, trajectoires de gestes), à apprendre des représentations spatio-temporelles du mouvement à l’aide de modèles avancés (CNN combinés à des architectures temporelles, transformers spatio-temporels ou multimodaux), puis à concevoir et évaluer des modèles capables de caractériser, comparer et suivre l’évolution de profils moteurs. Une attention particulière sera portée à l’évaluation des performances, à la robustesse et à l’interprétabilité des modèles, ainsi qu’à leur adéquation avec les besoins cliniques, en lien étroit avec les équipes de la Fondation Hopale, dans une perspective de recherche appliquée et de valorisation scientifique.

Profil recherché

Nous recherchons un(e) étudiant(e) de niveau Master 2 (ou équivalent) en informatique, intelligence artificielle, vision par ordinateur ou dans un domaine connexe.

Compétences et connaissances attendues

Solides bases en apprentissage automatique et en vision par ordinateur.
Maîtrise de la programmation en Python, avec une expérience pratique des frameworks de deep learning tels que PyTorch et/ou TensorFlow.
Capacité à analyser des données et à mettre en œuvre des modèles d’apprentissage profond.
Aptitude à travailler en équipe tout en faisant preuve d’autonomie et d’initiative.
Bonnes capacités de communication et de rédaction scientifique.

Localisation