OFB (Charmasson et Vincent)

Commentaire critère 1) Lien avec le SNO SONEL (niveau d'eau). Compte tenu de la thématique et de la spécificité du sujet, le critère de lien est difficilement évaluable de manière équitable entre les sujets de stage. Le sujet repose sur un voire 2 SNO. Il semble difficile d'envisager le lien avec d'autres SNOs compte tenu (i) de la spécificité du sujet et (ii) de la localisation des sites (pas de sites SNO correspondants sur les mêmes suivis stationnels et pas forcément pertinent d'utiliser des données sur des sites environnants e.g. Brest, Porsmilin n'ont rien à voir en termes de dynamique pour répondre aux attendus de ce stage). Pour ces raisons, soit il faut pondérer la note sur ce sujet avec les autres, soit il ne faut pas l'évaluer.
Commentaire critère 2) Le caractère fédérateur repose sur les approches machine learning et IA qui peuvent alimenter les travaux développés dans d'autres SNO sous reserve que les outils soient transposables et transférables. A noter qu'il existe une thèse s'appuyant sur les données des SNOs (coast-HF, SOMLIT) pour caractériser les évènements récurrents relatifs aux efflorescences phytoplanctoniques (sujet de thèse encadré par A. Lefebvre et E. Poisson-Caillault " phytoplancton nuisible et machine learning : co-financement Ifremer-OFB). Des liens et contacts seraient à prendre dans ce contexte. Cet aspect de transférabilité n'est pas concrètement expliqué et dépend fortement des jeux de données disponibles, de leurs caractéristiques etc...
Commentaire critère 3) Cette proposition de stage est innovante pour 3 raisons principales : - application de méthodes de machine learning pour l'instant non développées sur les données du SNO DYNALIT et résultats préliminaires prometteurs sur Biscarosse. - Construction d'une base de données d'entrée pour alimenter les algorithmes dont la structuration pourrait être utiles pour d'autres SNOs (e.g. SONEL) et d'autres acteurs académiques travaillant sur ces sujets. - Evaluer la sensibilité et la robustesse des algorithmes simpliqués sur plusieurs sites (pour le moment 1 cas test = biscarosse) pour généraliser la méthode.
Commentaire critère 4) La stratégie du stage proposée s'inscrit dans celle de l'IR ILICO sur les éléments de la feuille de route concernant - la production de produits et services en lien avec l'IA et le machine learning - les collaborations possibles entre SNO et les échanges méthodologiques sur les traitements de données - la formation et le renforcement du lien ente les méthodes de machine learning, d'IA et la formation de data scientists.
Commentaire critère 5) Non précisé. Ce critère devrait être pondéré car il est souvent difficile de savoir 1 an avant, si le projet pourra déboucher sur une thèse Note = N/A car l'information n'est pas indiquée - à préciser auprès des demandeurs
Commentaire critère 6) Fiche complète, claire et bien écrite.
Autre commentaire Notation réalisée en fonction des critères ILICO. Compléments apportés aux besoins par l'OFB en réunion.