Thèse CIFRE (H/F) – Sécurité des systèmes ADAS/AD basés sur des IA de bout en bout : méthodes et cadres pour la garantie de la sécurité

Dans un contexte en pleine mutation environnementale et numérique, l’industrie automobile évolue rapidement vers l’électrification et l’automatisation.

Rejoignez Ampère pour contribuer à l’innovation dans les véhicules électriques et les systèmes avancés d’aide à la conduite, au service d’une mobilité plus sûre et plus intelligente. La sécurité des systèmes d’aide à la conduite, fondée sur des architectures intelligentes, représente aujourd’hui un enjeu scientifique et industriel essentiel pour l’avenir de la mobilité.

La convergence de l’intelligence artificielle dans les applications véhicules offre des perspectives prometteuses, tout en posant de nouveaux défis en matière de sûreté de fonctionnement.  Une approche rigoureuse s’impose pour l’analyse et la validation de la sécurité des aides à la conduite basés sur les IA end-to-end, afin de répondre aux exigences normatives et pour garantir la confiance et la sécurité des utilisateurs.

L’évolution rapide des architectures à base d’IA dans l’industrie automobile, et leur industrialisation sur le marché mondial, met en lumière la nécessité de développer des méthodes innovantes de validation et d’évaluation de la sûreté.

La Direction de l'Ingénierie de Renault Group recherche un Doctorant pour travailler sur la sécurité des « IA end to end » pour les systèmes d’aides à la conduite (ADAS) des véhicules ayant des hauts niveaux d'autonomie.

Vous collaborez avec les équipes :

• de l'expertise technique des systèmes d'aides à la conduite et de sûreté de fonctionnement chargées d'orienter les choix techniques de l'entreprise pour les futurs véhicules,
• les autres doctorants travaillant sur des sujets similaires.

Cette thèse vise à définir un cadre méthodologique robuste pour évaluer la fiabilité des algorithmes d’IA, concevoir des modèles de sécurité indépendants de l’IA et développer des mécanismes d’auto-évaluation en temps réel.

À ce titre, vous serez amené(e) à :

• réaliser une analyse bibliographique afin d’établir un état de l’art du domaine ;

• définir et valider un cadre méthodologique fondé sur les données et la simulation pour évaluer la robustesse des algorithmes d’IA au regard des enjeux de sécurité ;
• élaborer un modèle de sécurité rule-based, indépendant des algorithmes d’IA, afin de garantir le maintien du véhicule dans une enveloppe de sécurité prédéfinie ;
• développer des mécanismes d’auto-évaluation permettant aux algorithmes d’IA d’estimer en temps réel le niveau de confiance associé à leurs prédictions ;
• démontrer, par la simulation et/ou l’expérimentation physique, que la solution proposée répond aux exigences de sécurité définies ;
• contribuer à la valorisation scientifique des travaux à travers des publications et la participation à un dépôt de brevet ;
• présenter régulièrement l’avancement des travaux au comité scientifique de suivi.

Vous êtes diplômé(e) d’une grande école d’ingénieur (ENSTA, UTC, INSA, etc.) ou issu(e) d’un programme Erasmus Mundus. Une expérience industrielle dans les applications de l’IA aux systèmes automatisés serait appréciée

Vous possédez des connaissances en :

• informatique, intelligence artificielle, systèmes autonomes et/ou systèmes d’aide à la conduite ;
• modélisation des systèmes complexes, ingénierie des systèmes et systèmes robotiques.

Des connaissances en sûreté de fonctionnement constitueraient un atout.

Vous faites preuve de force de proposition et d'autonomie.

Vous faites preuve de clarté de raisonnement et d'explication.

Vous avez un très bon niveau en anglais écrit et oral.

Transverse

The automotive industry is undergoing a profound transformation driven by electrification and automation. At Ampere, Renault Group’s electric and software-defined vehicle entity, increasingly capable AI is being integrated into the perception, planning, and control chain of ADAS and autonomous driving functions.

This architectural shift towards end-to-end AI replaces modular, rule-based pipelines with learned models that directly map sensor inputs to driving decisions. While enabling significant performance improvements, it also raises fundamental questions regarding predictability, failure modes, and accountability that conventional safety engineering approaches—largely based on deterministic behaviour—do not fully address.

The central scientific challenge of this thesis is therefore not performance, but safety assurance: how can we rigorously reason about the safe operation of inherently non-deterministic systems while satisfying the normative frameworks governing road vehicles?

Applicable norms and standards

ISO 26262

ISO/PAS 21448 (SOTIF)

ISO/IEC 24028

IEEE 2846

UNECE WP.29 / R155–R156

SAE J3016

Formal, AI-independent models that bound vehicle behaviour within a demonstrably safe operating region.

Data- and simulation-based methods to characterise AI behaviour at and beyond the operational design domain.

Self-assessment mechanisms providing calibrated, real-time uncertainty estimates to the functional safety architecture.

Mapping methods onto ISO 26262, SOTIF, and UNECE WP.29; building a defensible safety case.

You will be embedded in Ampere's Engineering Department, within a team holding deep technical expertise in ADAS and vehicle safety systems. You will collaborate with system architects, functional safety engineers, and data scientists, and work alongside other PhD students pursuing adjacent topics in AI and autonomous systems.

The CIFRE scheme places you at the intersection of academic rigour and industrial relevance: your research will directly inform technical choices for upcoming vehicle programmes. You will benefit from Ampere's infrastructure — including simulation environments, experimental vehicles, and datasets — as well as academic supervision providing independent scientific oversight.

• Master's degree or final year of a grande école d'ingénieur (ENSTA, UTC, INSA, CentraleSupélec, Arts et Métiers, or equivalent), or an Erasmus Mundus programme.
• Solid foundations in at least 2 of: AI/ML, control theory, systems engineering, software engineering, or robotics.
• Industrial experience in AI applications to automated systems is an asset but is not required.

• Machine learning — architectures, training, evaluation, uncertainty quantification.
• Autonomous systems or ADAS — perception, planning, or control stack.
• Systems engineering and complex system modelling.
• Knowledge of dependability, functional safety, or formal verification is a significant asset.

• Intellectually curious and genuinely motivated by hard, unsolved problems.
• Willing to work at the boundary of theory, norms, and experiment — and to listen as much as to propose.
• Rigorous and clear in both written and oral communication.
• Comfortable with uncertainty: safety assurance of non-deterministic systems is an open research question.

• Proficient written and spoken English — working language for publications and international conferences.
• French is an asset for day-to-day on-site collaboration.