À propos d'EERS 2 Live

EERS 2 Live développe des solutions matérielles et logicielles pour la gestion du bruit, la protection auditive, la clarté audio et l'intelligibilité de la voix grâce à des dispositifs confortables et sécurisés. Experts en traitement du signal en temps réel, nous créons des applications d'aide auditive pour les secteurs industriel, médical et grand public.

Notre expertise en biomécanique nous permet de modéliser et de maîtriser la complexité du conduit auditif humain afin de concevoir des oreillettes innovantes, confortables, ergonomiques et faciles à fabriquer, offrant une efficacité acoustique optimale.

L'équipe EERS est composée d'experts en audiologie, acoustique, logiciels embarqués, conception matérielle, ingénierie biomécanique, design industriel et prototypage, capables de travailler sur les formats les plus compacts.

Description du poste

Sous la responsabilité du/de la scientifique R&D audio principal(e), le/la scientifique R&D audio est chargé(e) de réaliser des mesures acoustiques, de collecter des données et de participer à la conception d'algorithmes de traitement du signal audio et d'acoustique intra-auriculaire.

Le/la spécialiste en apprentissage automatique et traitement numérique du signal appliqué (DSP) aura pour mission d'appliquer des techniques classiques de DSP, combinées à des techniques modernes d'apprentissage automatique, afin d'améliorer la captation vocale et la clarté audio des dispositifs de communication intra-auriculaires d'EERS, notamment dans les environnements bruyants. Il/elle sera chargé(e) d'effectuer une veille bibliographique, de constituer et d'étiqueter des jeux de données audio, de prototyper des algorithmes en Python, d'entraîner et d'évaluer des modèles d'apprentissage automatique (par exemple, pour le débruitage adaptatif, la détection d'activité vocale ou l'amélioration de la parole), et de contribuer au portage des solutions validées en C++ pour une exécution en temps réel sur des plateformes embarquées.

Le/la candidat(e) idéal(e) est rigoureux(se), organisé(e) et possède de solides connaissances en traitement du signal. Ce poste dynamique requiert une forte implication et la capacité de collaborer à l'intégration de plusieurs axes de développement pour aboutir à des produits commercialisables.

Responsabilités

Soutenir le processus de R&D de bout en bout des algorithmes de traitement audio en temps réel :

Rechercher, concevoir et prototyper des algorithmes d’amélioration de la parole, de débruitage et de classification audio basés sur le traitement numérique du signal (DSP) et l’apprentissage automatique (ML).
Élaborer des protocoles expérimentaux, contribuer à l’organisation d’essais sur le terrain et de sessions d’évaluation internes, et participer à la collecte de données (en laboratoire et sur le terrain).
Évaluer et optimiser les algorithmes audio à l’aide de critères d’écoute subjectifs et objectifs.
Optimiser les algorithmes DSP et les modèles ML pour une exécution sur des systèmes embarqués à ressources limitées et alimentés par batterie.
Synthétiser, documenter et communiquer les résultats, les solutions et les stratégies. Collaborer avec les équipes pluridisciplinaires pour la conception des micrologiciels et des oreillettes.
Effectuer des revues de code. Garantir la reproductibilité de la recherche et le partage des connaissances au sein de l’équipe audio.

Qualifications

Maîtrise en génie électrique, informatique, technologies audio/musicales ou domaine connexe, ou licence avec stages et expérience de projets pertinents en recherche audio.
Environ 5 ans d'expérience professionnelle ou de recherche pertinente en traitement du signal audio en temps réel et en conception et déploiement de modèles d'apprentissage automatique.
Excellentes compétences en identification et modélisation de systèmes. Solides connaissances des concepts de traitement numérique du signal (DSP) tels que le filtrage adaptatif, le filtrage de Wiener, le traitement spectral et multidébit, l'estimation spectrale et l'analyse temps-fréquence, avec une expertise dans un ou plusieurs des domaines suivants :
- Suppression d'écho ou de diaphonie
- Débruitage
- Traitement dynamique : contrôle automatique de gain, compresseurs, noise gates, etc.
- Contrôle actif du bruit
- Suppression adaptative de la rétroaction
- Codecs audio/vocaux perceptifs (G.729, Opus, etc.)
- Égalisation adaptative
- Extension de bande passante
Excellente maîtrise de Python et bonne connaissance de C++ ; la capacité à lire du code MATLAB est fortement recommandée.
Expérience de production avec des frameworks d'apprentissage automatique et d'optimisation (par exemple, scikit-learn, PyTorch, TensorFlow) appliqués à l'audio ou à la parole sur des appareils basse consommation, incluant la préparation des jeux de données, l'augmentation des données, l'entraînement des modèles, l'optimisation, l'évaluation et le déploiement.
Connaissance des contraintes des plateformes audio embarquées (calculs en virgule fixe, gestion de la mémoire et des ressources de calcul, planification en temps réel) et capacité à collaborer efficacement avec une équipe d'ingénierie embarquée pour le déploiement des algorithmes.
Expérience des stations de travail audio numériques (DAW) telles que REAPER et Audacity.
Expérience pratique du matériel audio et d'enregistrement (microphones, interfaces audio, haut-parleurs, consoles de mixage numériques).
Expérience dans la conception de flux de travail automatisés et efficaces pour l'analyse et le traitement des données audio.
Notions de base en analyse statistique.
Maîtrise de Git pour la gestion de versions.
Capacité à communiquer au sein d'une équipe bilingue (anglais/français).

Atouts

Expérience de l’écosystème audio Linux (JACK, PipeWire, ALSA ou PulseAudio).
Maîtrise des frameworks de plugins audio tels que VST3, LV2, CLAP, DPF ou JUCE, et des bibliothèques d’interface utilisateur en mode immédiat (ImGui, egui) pour le prototypage rapide.
Connaissance de la conception d’architectures de réseaux neuronaux audio et des techniques d’optimisation.
Expérience des frameworks de déploiement d’apprentissage automatique tels que TensorFlow Lite (LiteRT) ou ONNX.
Notions de base en psychoacoustique.
Excellentes aptitudes relationnelles, notamment la capacité à donner et recevoir des retours constructifs.
Approche technique structurée et rigoureuse.
Excellentes capacités d’analyse et de résolution de problèmes.
Excellentes compétences en gestion du temps et en organisation ; capacité à gérer plusieurs tâches et à respecter les délais.
Capacité à travailler de manière autonome et en collaboration au sein d’équipes multidisciplinaires.
Motivation et concentration.

Si vous possédez la plupart des compétences requises, mais pas toutes, et que vous êtes intéressé(e), nous vous encourageons à postuler.