Canon Research Centre France S.A.S.

Offres de stage

Les stages de CRF sont proposés dans le cadre de sa Responsabilité Sociétale des Entreprises (RSE). Le seul objectif des stages de CRF est de contribuer à l'éducation des stagiaires qui bénéficient de l'expertise des chercheurs de CRF. CRF propose plusieurs stages chaque année, donc n'hésitez pas à revenir régulièrement sur cette page.

Pour postuler, merci d'envoyer votre candidature à jobs@crf.canon.fr

Détection et communication basées sur l'IA dans la 6G

Durée du stage : 5/6 mois à partir de février 2026

Le développement de la technologie 5G a permis de nouvelles possibilités d'application pour les équipements vidéo de haute qualité de Canon qui seraient encore améliorés par la 6G à venir. Ce stage offre un nouveau défi pour participer à l’évolution du monde connecté à travers la technologie mobile 6G.

Sujet de stage

Avec l’avènement des réseaux de sixième génération (6G), l’intégration de l’Intelligence Artificielle (IA) dans les architectures de réseau a donné naissance au concept de réseaux natifs de l’IA. Simultanément, la détection et la communication intégrées (ISAC) émergent comme une technologie de base pour les systèmes 6G de nouvelle génération.
Par conséquent, le but du stage est d'explorer, de construire et d'évaluer une application de détection multimodale vision-RF basée sur l'IA pour l'optimisation du réseau 6G (p. ex. Prévision de faisceau, prévision de blocage, transfert, détection/classification d'objets de vision... ) en considérant la capacité future de la 6G pour la connaissance de la situation (identification, classification et localisation en temps réel).

Mission

Par conséquent, votre travail principal sera de fournir :

Formation requise

Vous postulez pour un diplôme de Master 2 ou un diplôme d'ingénieur dans le domaine de l'ingénierie IA / ML et / ou des communications sans fil. Vous êtes curieux, ouvert d’esprit, passionné par les nouvelles technologies et possédez de véritables compétences interpersonnelles pour intégrer un environnement innovant et multiculturel.

Connaissances spécifiques

[01] Cheng, X., Zhang, H., Zhang, J., Gao, S., Li, S., Huang, Z., ... & Yang, L. (2023). “Intelligent multi-modal sensing-communication integration: Synesthesia of machines.” IEEE Communications Surveys & Tutorials, 26(1), 258-301
[02] Ahmed Alkhateeb, Gouranga Charan, Tawfik Osman, Andrew Hredzak, João Morais, Umut Demirhan, Nikhil Srinivas, “DeepSense 6G: A Large-Scale Real-World Multi-Modal Sensing and Communication Dataset”
[03] D. Scazzoli, F. Linsalata, D. Tagliaferri, M. Mizmizi, D. Badini, M. Magarini, and U. Spagnolini, “Experimental Demonstration of ISAC Waveform Design Exploring Out-of-Band Emission,” IEEE International Conference on Communications Workshops (ICC Workshops), 2023

Haut

Représentation de la perception 3D / Jumeau numérique dynamique

Durée du stage : 4/6 mois à partir de février 2026

Sujet du stage

Contrairement à un modèle 3D statique, un jumeau numérique permet de représenter des données en temps réel afin de prédire les comportements futurs, ce qui en fait un outil essentiel d'aide à la décision.
Pour la modélisation 3D, deux formats de fichiers courants sont glTF (« gl Transmission Format ») et USD (« Universal Scene Description »). Le format de fichier open source glTF, développé par le groupe Khronos, est conçu pour transmettre et charger efficacement des scènes et des modèles 3D. C’est un format compact qui s'intègre facilement à diverses plateformes et outils, notamment les moteurs de jeu, les applications AR/VR et les navigateurs web.
L’USD, quant à lui, est un format de fichier open source créé par Pixar, qui se concentre sur l'échange de scènes 3D complexes composées de nombreux éléments. Les fichiers USD sont hautement évolutifs et peuvent prendre en charge les détails et les interconnexions complexes des projets 3D à grande échelle.
La réalisation d’un workflow adapté pour créer des jumeaux numériques en environnement industriel est à l'étude à Canon CRF, avec la possibilité d'améliorer la représentation visuelle du jumeau numérique en utilisant des données réelles capturées (en utilisant par exemple le flux vidéo d’une caméra de vidéosurveillance).

Mission

L'objectif du stage est de construire un framework de jumeau numérique utilisant SDK NVIDIA Omniverse et OpenUSD. Le modèle statique décrit avec OpenUSD sera enrichi dynamiquement avec des éléments externes transmis via glTF. Dans un premier temps, les éléments dynamiques seront publiés par des processus externes utilisant glTF et ajoutés à une représentation OpenUSD simple du jumeau numérique. Dans un second temps, la solution d'analyse de contenu vidéo (VCA) développée chez Canon CRF sera utilisée pour générer les éléments dynamiques à inclure dans le jumeau numérique. Enfin, la possibilité d'améliorer la représentation visuelle du jumeau numérique à partir de données réelles pourra être étudiée.

Connaissances spécifiques

Haut

Outil d'annotation et d'interrogation de publications scientifiques basé sur l'IA

Durée du stage : 4/6 mois à partir de février 2026

Sujet du stage

L'utilisation de l'intelligence artificielle se développe dans de nombreux domaines, y compris le traitement des documents. Au fur et à mesure que le nombre de publications scientifiques augmente, le maintien d'une bonne compréhension d'un domaine donné devient de plus en plus difficile et chronophage pour les experts techniques. L'auto classification des documents peut aider les équipes scientifiques dans la gestion et l'analyse de ces publications en réduisant le besoin de catégorisation manuelle. Couplé à une interface Web puissante et intuitive, il peut améliorer le partage des connaissances au sein et entre les équipes techniques.
Les progrès de la recherche sur l'intelligence artificielle (IA) et le traitement du langage naturel (PNL, LLM) ont conduit à la création de modèles pouvant être utilisés comme extracteurs de caractéristiques pour les tâches de classification de jetons qui ont été la pierre angulaire des tâches d'extraction d'information telles que la reconnaissance des entités nommées et la classification des relations entre les entités.
Le but de ce stage est d’améliorer une première version d’un outil d’interrogation et d’annotation basé sur les LLM populaires. Cet outil permet une requête basée sur des mots clés dans une base de données de documents et un résumé et une invite basés sur l’IA sur un document sélectionné. Le stage consistera à étendre et améliorer cet outil avec plus de fonctionnalités basées sur l’IA. À titre d’exemple d’amélioration, les avantages de la génération augmentée par récupération (RAG) peuvent être étudiés pour spécialiser les LLM disponibles sans les recycler. L’objectif est d’abord d’extraire des informations pertinentes et fiables à partir de documents à l’aide de LLMs fonctionnant localement, puis d’utiliser ces informations pour relier sémantiquement les documents pour permettre des requêtes plus avancées ou pour automatiser les rapports sur un sujet technique.

Mission

Une première étape consistera en une étude de la génération augmentée par récupération (RAG) afin d'améliorer l'extraction de l'information à partir de documents techniques en tenant compte d'un contexte technique. Un exemple de questions ouvertes à aborder pourrait être : comment fournir un contexte technique à différents LLM, quelle est la taille acceptable pour ce contexte (par exemple en tant que nombre de documents ou taille des données).
Dans une deuxième étape, l’étudiant réalisera une analyse de faisabilité ainsi qu’une évaluation de la qualité et des performances de la solution RAG en utilisant les ressources disponibles dans nos locaux.
Ensuite, ces résultats seraient utilisés pour la liaison sémantique des documents dans la base de données pour permettre des requêtes plus avancées comme, par exemple, des rapports automatisés sur un sujet technique à l'aide d'outils tels que MCP. Idéalement, l'outil d'interrogation et d'annotation serait amélioré avec les résultats des tâches ci-dessus.
En conséquence, à la fin de la période de formation, le stagiaire devrait avoir acquis de bonnes connaissances dans le domaine des outils d'IA pertinents pour l'auto-classification des documents ainsi que l'utilisation pratique du cadre Web traditionnel basé sur Python (Django) ou des API pour interagir avec les LLM.

[1] https://arxiv.org/abs/2406.00008 pour un exemple de l'outil ciblé
[2] https://www.djangoproject.com/ la base de l'application pour améliorer

Connaissances spécifiques

Haut

Evaluation et simulation de la couche physique du IEEE 802.11be/bn

Durée du stage : 5/6 mois à partir de février 2026

Depuis plusieurs années, Canon s’intéresse aux activités du standard IEEE 802.11, notamment les dernières générations WiFi-7 et WiFi-8 et possède une expertise dans le domaine de la standardisation. Ce stage vise à participer de plus près à l’évolution du standard Wi-Fi et notamment, à investiguer les technologies avancées employées dans la couche physique.

Sujet du stage

Le Wi-Fi est aujourd’hui l’une des technologies les plus répandues pour permettre aux appareils électroniques de communiquer entre eux et d’accéder à Internet sans fil grâce aux ondes radio. Les périphériques conformes à la norme IEEE 802.11, plus connus sous le nom de « Wireless LAN », offrent un avantage majeur : ils permettent un déploiement rapide et économique des réseaux locaux (LAN). Utilisés dans des millions d’appareils à travers le monde, y compris au sein des produits Canon, ces dispositifs fonctionnent dans des bandes de fréquences communes et partagées.
La norme IEEE 802.11 définit un ensemble de spécifications couvrant la couche MAC (Medium Access Control) et la couche physique (PHY), essentielles à la mise en œuvre des réseaux locaux sans fil (WLAN). Afin d’augmenter les débits et d’améliorer l’efficacité spectrale, les générations récentes de Wi-Fi ont intégré des techniques avancées telles que l’OFDMA, le MU-MIMO ou encore le beamforming, permettant d’atteindre des performances de l’ordre du gigabit par seconde.
La future génération IEEE 802.11bn, également appelée UHR (Ultra High Reliability), est actuellement en cours de développement. Elle vise des améliorations significatives en termes de débit, de latence et de pertes de paquets grâce à de nouvelles fonctionnalités telles que l’Enhanced Long Range (ELR), le distributed ressource unit (DRU) ou encore le coordinated beamforming (Co-BF).
Au sein de notre centre de recherche, un simulateur développé sous MATLAB est utilisé pour évaluer les technologies mises en place dans les dernières évolutions du standard, notamment IEEE 802.11ax/be. Cet outil permet d’analyser différentes techniques de la couche physique dans des scénarios variés.
Le stagiaire rejoindra l’équipe Wi-Fi et bénéficiera d’une expérience unique mêlant recherche et standardisation au sein d’un centre R&D. Sa mission consistera à contribuer aux tests et à l’évaluation des nouvelles fonctionnalités introduites dans les standards IEEE 802.11be et 802.11bn.

Mission

Le stage se fera en proche collaboration avec les chercheurs contribuant au développement du standard 802.11. Dans la continuité des travaux menés sur l’évaluation de la couche physique du standard IEEE 802.11ax à l’aide de la WLAN Toolbox, le stagiaire poursuivra les recherches déjà engagées au sein de l’équipe Wi-Fi et participera aux missions suivantes :

Formation requise

Vous êtes en formation Master 2 ou 5ème année étude d’ingénierie en Télécommunications. Vous êtes curieux(se), ouvert(e) d’esprit, passionné(e) par les nouvelles technologies, et avez les qualités pour intégrer un environnement innovant et multiculturel.

Connaissances spécifiques

Haut