Zoe Care — Physical AI for Safer Aging
Zoe Care développe une plateforme de Physical AI capable d’interpréter l’activité humaine à partir des variations des signaux Wi-Fi ambiants.
Notre technologie combine WiFi Sensing, traitement du signal, Edge AI et Human Activity Recognition pour comprendre ce qui se passe dans un environnement réel, sans caméra et sans dispositif porté.
Notre première application, ZoeFall, détecte les chutes de personnes âgées à l’aide d’un dispositif discret installé dans leur lieu de vie. Elle permet d’alerter rapidement les équipes de soin et de suivre la réponse apportée.
Notre ambition est de construire une nouvelle infrastructure d’intelligence environnementale pour le vieillissement, la prévention et les environnements de soin. Ce positionnement s’inscrit directement dans la nouvelle plateforme de marque de Zoe Care.
Zoe Care est issue de l’écosystème de recherche de CentraleSupélec et soutenue par Bpifrance, la SATT Paris-Saclayet Silver Valley, dont elle a remporté le prix 2024.
Co-fondateurs
- Thomas Saphir, entrepreneur deeptech, ancien Accenture et Nokia, cofondateur d’Ubudu
- Piotr Antonik, docteur en physique et maître de conférences à CentraleSupélec
Le défi scientifique
La reconnaissance d’activités humaines à partir des signaux Wi-Fi est un problème complexe, à l’intersection de plusieurs disciplines :
- machine learning et deep learning ;
- traitement du signal ;
- télécommunications radio ;
- modélisation de séries temporelles ;
- intelligence artificielle embarquée.
Tu travailleras directement sur le cœur scientifique de la plateforme, avec un objectif clair : transformer des signaux radio complexes et variables en modèles robustes, capables de fonctionner dans des environnements réels.
Tes missions
Selon ton profil et l’avancement des travaux, tu interviendras notamment sur :
- la construction, la qualification et la structuration de datasets issus de campagnes expérimentales ;
- l’analyse et la modélisation des signaux Wi-Fi ;
- le développement et l’évaluation de modèles de classification d’activités ;
- l’optimisation des performances en matière de précision, de rappel et de faux positifs ;
- l’amélioration de la robustesse face aux changements de pièces, de configurations et d’utilisateurs ;
- la conception de protocoles d’expérimentation et de validation ;
- la préparation des modèles en vue de leur exécution sur des dispositifs Edge AI.
Tes travaux auront un impact direct sur les performances de ZoeFall et sur les futures applications de la plateforme Zoe Care.
Profil recherché
Nous recherchons un élève ingénieur ou étudiant de niveau Master 2, en stage de fin d’études ou de césure, avec une spécialisation en machine learning, data science, traitement du signal ou intelligence artificielle.
Tu disposes idéalement :
- de bases scientifiques solides en probabilités, statistiques et algèbre linéaire ;
- d’une bonne maîtrise de Python et des principaux frameworks de machine learning ;
- d’une expérience de travail sur des séries temporelles ou des données issues de capteurs ;
- d’une démarche expérimentale rigoureuse ;
- de la capacité à analyser un problème ouvert, formuler des hypothèses et proposer des solutions ;
- d’un bon niveau d’autonomie, sans hésiter à solliciter l’équipe lorsque cela est nécessaire.
Une connaissance des télécommunications, des signaux radio, des systèmes embarqués ou du Wi-Fi constitue un avantage, mais n’est pas indispensable.
Nous accordons davantage d’importance à la qualité du raisonnement, à la curiosité scientifique et à la capacité d’apprentissage qu’à la connaissance préalable de notre technologie.
Ce que tu trouveras chez Zoe Care
- un sujet scientifique exigeant, appliqué à un produit déployé en conditions réelles ;
- un travail au contact direct des fondateurs et de l’équipe technique ;
- un accès à l’environnement scientifique du laboratoire MICS de CentraleSupélec ;
- une forte autonomie dans la conduite des expérimentations ;
- des cycles courts entre recherche, prototypage, évaluation et amélioration du produit ;
- un projet à impact, au service des personnes âgées et des professionnels du soin.
Informations pratiques
Durée : 6 mois
Localisation : Incubateur 21st by CentraleSupélec, Gif-sur-Yvette — RER B
Organisation : travail hybride, avec télétravail partiel
Rémunération : supérieure à 1 000 € par mois
Début : à convenir
Rémunération : 1 000,00€ à 1 800,00€ par mois
Permis/certification:
- permis de travail (Requis)
Lieu du poste : Télétravail hybride (91190 Gif-sur-Yvette)
