Recrutement

Contexte et Positionnement Scientifique

La marche constitue une activité motrice fondamentale au cœur des enjeux de mobilité durable, d’accessibilité et de santé publique. Pourtant, les modèles de marche utilisés aujourd’hui en biomécanique, en robotique humanoïde ou en navigation piétonne reposent majoritairement sur des représentations moyennes et normatives du mouvement. Ces approches décrivent la cinématique de la marche dans des environnements contrôlés, en négligeant largement la variabilité interindividuelle ainsi que l’influence fine du contexte urbain sur la dynamique locomotrice.

Au sein du laboratoire GEOLOC (Université Gustave Eiffel), plusieurs travaux ont contribué à dépasser cette vision standardisée de la marche en développant des solutions de positionnement piéton de haute précision fondées sur des capteurs inertiels embarqués. Les recherches menées dans le cadre des projets ANR-DGA MALIN et H2020 ICHASE ont permis de développer des systèmes robustes de suivi du déplacement en environnements contraints. Plus récemment, le LabCom ANR INMOB (2021–2025) a introduit une approche fondée sur des modèles personnalisés de marche, exploitant l’apprentissage automatique pour construire des « empreintes de marche » individuelles à partir de données inertielle collectées en conditions réelles.

Ces travaux ont montré que- les signatures de marche sont fortement spécifiques à chaque individu, qu’elles présentent une stabilité temporelle et qu’elles sont sensibles aux conditions environnementales et au positionnement des capteurs.

Cependant, si ces recherches ont permis d’améliorer la navigation piétonne et la modélisation individuelle du mouvement, elles n’ont pas encore intégré de manière systématique la morphologie urbaine et les facteurs environnementaux comme variables explicatives de la dynamique de marche.

La thèse proposée s’inscrit dans le cadre du projet ANR City-Step, qui vise à renouveler l’analyse de la marchabilité en articulant modélisation biomécanique fine et morphologie urbaine. Elle porte sur le développement d’un modèle de marche personnalisé et sensible à l’environnement, fondé sur des données expérimentales collectées in situ.

Objectifs de la thèse

Le projet ANR CITY-STEP vise à comprendre comment la morphologie urbaine influence la dynamique de la marche à l’échelle du pas. L’objectif principal de la thèse est de développer un modèle de marche personnalisé et sensible à l’environnement, capable de décrire et d’expliquer les adaptations fines du mouvement piéton en contexte urbain réel. Elle se positionne au croisement de la biomécanique, du traitement du signal, de l’intelligence artificielle et de la mobilité urbaine. La thèse poursuivra quatre objectifs scientifiques majeurs :

• Concevoir un protocole expérimental et exploiter un dispositif multi- capteurs. Le/la doctorant·e participera à la mise en œuvre et à l’exploitation d’un dispositif de mesure embarqué intégrant capteurs inertiels, GNSS, caméra et eye-tracking. L’enjeu est de capturer la marche en conditions urbaines réelles, sans perturber le comportement naturel des participants.

• Extraire des signatures de marche individualisées. À partir des données collectées in situ, la thèse visera à détecter les événements locomoteurs (pas, phases d’appui, transitions), à extraire des indicateurs biomécaniques (variabilité de la foulée, régularité, symétrie, micro- ajustements) et à construire des empreintes de marche personnalisées intégrant la variabilité interindividuelle.

• Modéliser l’adaptation de la marche au contexte urbain. Un objectif central sera d’analyser comment les caractéristiques de l’environnement (pente, largeur, mobilier urbain, intersections, stimuli visuels) influencent les paramètres cinématiques. La thèse développera des modèles combinant traitement du signal et apprentissage automatique afin d’identifier les corrélations entre dynamique locomotrice et morphologie urbaine.

• Contribuer à un modèle multi-échelle de la marche. Les travaux permettront de proposer un modèle multi-échelle, reliant : l’échelle du pas (micro-dynamique locomotrice), l’échelle du segment urbain et l’échelle de l’itinéraire.

Ce modèle constituera une contribution centrale au projet CITY-STEP et alimentera la construction d’indicateurs de marchabilité développés dans le projet.

Encadrement et environnement scientifique

La thèse se déroulera au laboratoire GEOLOC (Université Gustave Eiffel) dans le cadre du projet ANR CITY-STEP, en collaboration étroite avec l’équipe AAU (École Centrale de Nantes). Le/la doctorant·e bénéficiera d’un environnement dynamique mêlant recherche fondamentale, développement expérimental et applications urbaines concrètes.

Le laboratoire GEOLOC est une équipe reconnue internationalement pour ses travaux en navigation piétonne, capteurs inertiels et mobilité urbaine intelligente. Il développe des solutions innovantes combinant intelligence artificielle, traitement avancé du signal et systèmes multi-capteurs embarqués, appliquées à la compréhension et à l’optimisation des déplacements en environnements complexes. Impliqué dans de nombreux projets nationaux et européens (ANR, H2020), GEOLOC évolue dans un réseau scientifique international et collabore avec des partenaires académiques et industriels. L’équipe offre un environnement de recherche stimulant, à la croisée de la recherche fondamentale, du développement technologique et des enjeux sociétaux liés à la ville durable.

Profil recherché

Nous recherchons un·e candidat·e fortement motivé·e par la recherche interdisciplinaire, souhaitant travailler à l’interface entre traitement du signal, intelligence artificielle, biomécanique et mobilité urbaine.

Formation

Diplôme de Master (ou équivalent) en navigation / géomatique, traitement du signal / data science, informatique / intelligence artificielle, biomécanique ou discipline connexe. Un excellent niveau académique est attendu.

Compétences scientifiques et techniques

• Solides bases en traitement du signal (analyse temporelle/fréquentielle, filtrage, détection d’événements)
• Connaissances en machine learning (classification, modèles supervisés/non supervisés)
• Compétences en programmation (Python indispensable, C++ apprécié)
• Intérêt pour les systèmes multicapteurs et les données expérimentales

Une expérience préalable dans l’un des domaines suivants serait un atout : analyse de données issues de capteurs inertiels (IMU), Human Activity Recognition, biomécanique de la marche, fusion de capteurs et vision par ordinateur

Compétences personnelles

• Goût pour le travail expérimental en conditions réelles
• Capacité à travailler en équipe interdisciplinaire
• Esprit d’initiative, autonomie et rigueur scientifique
• Bonne capacité rédactionnelle en anglais

Conditions de la thèse

• Début de la thèse : septembre/ octobre 2026
• Durée : 36 mois
• Financement : ~3’200 € brut mensuel / Contrat doctoral financé dans le cadre du projet ANR City-Step
• Localisation : Université Gustave Eiffel - Laboratoire GEOLOC Campus de Nantes - Allée des ponts et chaussées44340 Bouguenais - France

Modalités de candidature

Les candidat·e·s devront transmettre :

• Un CV détaillé
• Une lettre de motivation explicitant l’intérêt pour le sujet et le projet CITY-STEP
• Les relevés de notes de Master
• Un ou deux contacts de recommandation
• Éventuellement, un mémoire de Master ou rapport de stage significatif

Les candidatures seront examinées au fil de l’eau jusqu’à la sélection d’un·e candidat·e.

Contact
Valérie Renaudin
valerie.renaudin@univ-eiffel.fr