Stage - Data Scientist Computer Vision - H/FMédiaperformances

Médiaperformances s’adresse aux marques comme aux Agences Médias, avec une gamme de solutions publicitaires omnicanales (digitales et print) qui influencent le comportement d’achat du consommateur. Partenaire des grandes enseignes GSA (Carrefour, Auchan, E. Leclerc, Intermarché, Système U...), Médiaperformances compte parmi ses clients, plus d’une centaine d’annonceurs PGC et non-alimentaires comme Danone, Nestlé, Unilever, Mondelez, Coca-Cola, Fleury Michon, Borges Tramier, Mutti, HP. Nos valeurs : Entrepreneuriat, Efficacité, Equilibre.

 

Médiaperformances, c'est 150 collaborateurs avec une moyenne d'âge de 36 ans. Avec un taux de féminisation de 69%, un comité exécutif majoritairement féminin, nous sommes fiers de démontrer chaque jour que l'égalité et la diversité, sont des valeurs réelles au cœur de notre ADN.

 

Historiquement engagé sur les enjeux RSE, Médiaperformances est devenu en 2021 le seul acteur média français certifié BCorp. L’entreprise est également labellisée depuis 2021 Great Place To Work.

Dans le cadre de l'accélération digitale, la direction « Data et Etudes » recueille et analyse les données mise à leur disposition afin d'élaborer la meilleure stratégie organisationnelle et opérationnelle, et réaliser des études à destination d'autres directions du groupe.

 

En étant une régie média certifiée B Corp, Médiaperformances place la RSE à un niveau stratégique. L'équipe RSE/R&D est garante de la mise en œuvre de différents programmes, illustrant notre raison d'être qui est de «  promouvoir, notamment via nos médias, une consommation plus responsable et accessible à tous.  »

 

Sujet de stage

 

Au sein des directions « Données et Etudes » et « RSE », l'objectif du stage est de reconnaître différents objets sur des photos de matériel publicitaire et promotionnel dans des rayons d'hypermarchés, ainsi que de caractériser certaines propriétés de ces objets.

L'objectif principal du stage sera de reconnaître et classer, dans une série de photos, les différents matériels promotionnels. Ensuite, selon l'avancée, l'étudiant pourra réaliser d'autres tâches de vision (présentées ici de manière non exhaustive) : indiquer la quantité et les types de matériel, la catégorie du rayon, la matière de ces objets (vitre, rail métallique, plastique, etc), commenter la qualité de la photo…

L'étape comprendra la création d'un ou plusieurs modèles de machine learning avancés (Mask R-CNN, Deep Neural Nets, RetinaNets, Transformers), ainsi que des tests avec des modèles LLM acceptant des images. L'implémentation se fera en Python.

 

Le stagiaire pourra être amené à tester différentes techniques, par exemple :

• Détection et segmentation d'objets avec Mask R-CNN et variantes (Cascade R-CNN, Hybrid Task Cascade) pour une détection fine du matériel promotionnel.

• Utilisation de YOLOv12 (You Only Look Once) pour des détections rapides et efficaces sur des environnements complexes (rayons chargés).

• Mise en place de modèles basés sur Vision Transformers (ViT) ou des variantes plus légères comme Data-efficient Image Transformer (DeiT) pour exploiter la richesse visuelle des photos.

• Test des modèles CLIP (Contrastive Language–Image Pretraining) pour coupler la reconnaissance visuelle avec une annotation textuelle potentielle.

• Tester une approche Siamese Neural Network pour détecter des doublons ou anomalies parmi les objets reconnus, et affiner la classification.

• Techniques de data augmentation avancée (CutMix, MixUp) pour enrichir le dataset et améliorer la robustesse du modèle.

• Déploiement d'algorithmes de détection d'anomalies pour identifier les matériels mal positionnés ou des erreurs de pose.

• Exploration des techniques d'apprentissage auto-supervisé (par exemple, DINO, SimCLR) pour pré-entraîner les modèles sur un jeu de données confidentielles limitées en étiquettes.

• Utilisation d'algorithmes LLM multimodaux (type Gemini, GPT-4V) pour effectuer une reconnaissance contextuelle combinée texte/image (dans le cas d'un lien avec du texte imprimé sur les visuels).

Missions et activités

Vous serez encadré par le Head of Data Science & Analytics.

Les missions du stage comprendront les points suivants :

• Revue de la littérature et méthodologies existantes

• Exploration et prise en main du jeu de données

• Choix du ou des algorithmes les plus pertinents

• Implémentation d'une API en Python avec une interface interactive en Dash ou Streamlit permettant la mise en œuvre et l'évaluation d'un ou de plusieurs algorithmes choisis

• Évaluation et mise au point

• Documentation et présentation interne (démo) à l'équipe

 

Méthodologie et outils

Le stage est pertinent pour un stagiaire maîtrisant certains des outils ou des domaines suivants :

• Python

• Vision par ordinateur / Vision IA

• Traitement d'images (OpenCV, etc.)

• Deep Learning et réseaux de neurones convolutifs (Tensorflow, PyTorch, YOLO)

• Reconnaissance et classification d'objets

• Détection d'objets

• Segmentation d'images

• Détection d'anomalies

• Vision industrielle et contrôle qualité

• Modélisation sur GCP (Vertex AI)

• Flask / Django

• Plotly / Dash / Streamlit

Ecole d'ingénieur ou Master en Data Science.

Rigueur, autonomie et bonne capacité de communication.

Première expérience ou projet significatif en Computer Vision

Stage de 6 mois à pourvoir à compter de Juin.