Médiaperformances imagine, commercialise et opère des médias d’activation shopper omnicanal, pour influencer le comportement du shopper lors de son parcours d’achat on et off.

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 réalise 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 « Data 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 types de matériel, la catégorie du rayon, la matière de ces objets (vitre, rail métallique, plastique, etc), comment scorer la qualité de la photo…

Le stage 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 promotionnels.

• 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 self-supervised learning (par exemple, DINO, SimCLR) pour pré-entraîner les modèles sur un jeu de données potentiellement limité en labels.

• 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

• Evaluation et fine tuning

• 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

• Computer Vision / Vision IA

• Traitement d’images (OpenCV, etc)

• Deep Learning et convolutional neural nets (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.

Notre processus s’articule en 2 étapes  :

💻 Première étape  : Entretien visio avec Julie, RH - 30 min

🎯 Deuxième étape  : Entretien sur site avec Arnaud, Head of Data Science & Analytics - 1h00

✔️ Votre profil est validé, vous recevrez une proposition sous 72h pour nous rejoindre dès que possible !