Régionalisation de GLONET : adapter un système global de prévision océanique basé sur l’apprentissage automatique à la région IBI à 1/36°.
Toulouse, 31400
Stage
02/02/2026- 31/07/2026
Description
[English below]
Mercator Ocean International développe des activités d'océanographie opérationnelle depuis près de 30 ans, dans le cadre de sa mission d’intérêt général de préservation de l'océan.
De nombreux défis scientifiques et sociétaux doivent être relevés afin de garantir un océan durable, qu'ils concernent l'environnement, la biodiversité, le changement climatique, l'économie bleue ou l'éducation. Pour relever ces défis, Mercator Ocean conçoit, développe, opère et maintient à l’état de l’art scientifique des systèmes numériques capables de décrire, d’analyser et de prévoir l’état de l’océan en 3D, en continu et en temps réel. Les informations scientifiques sont ensuite traduites pour être accessibles à tous, qu'il s'agisse de services publics ou commerciaux, de décideurs politiques, d’industriels, d'associations, d'ONG, d'enseignants ou de citoyens. Mercator Océan International allie ainsi au quotidien excellence scientifique et engagement social.
En tant que société à but non lucratif sous gouvernance multinationale (ES, FR, GB, IT, NO), nous travaillons dans un climat de confiance avec nos dix partenaires actionnaires, tous acteurs clés du développement de l'océanographie européenne.
Missions
Dans le cadre du Copernicus Marine Service (https://marine.copernicus.eu/fr), Mercator Ocean International conduit le IBI-MFC (berian-Biscay-Irland-Marine Forecasting Center) en charge de la conception, de l’exploitation et de la production d’un système de prévisions en temps réel ainsi que de réanalyses.
Fin 2025, le service va évoluer avec la livraison d’un nouveau produit de réanalyse au 1/36° (appelé IBIRYS36), qui remplacera le produit actuel au 1/12°. Couvrant la période depuis 1993, cette nouvelle réanalyse fournira un jeu de données étendu, pouvant être utilisé pour explorer la faisabilité du développement d’un système régional de prévision basé sur l’intelligence artificielle (IA).
L’objectif du stage est d’évaluer si une telle approche – plus rapide à exécuter et moins exigeante en termes de ressources informatiques – pourrait constituer une alternative viable au système opérationnel actuel. Les prévisions basées sur l’IA seront comparées au système de prévision existant, qui repose sur un modèle numérique et une méthode d’assimilation des données, fournissant également des produits au 1/36°.
Objectif
Le stage sera dédié au fine-tuning régional de GLONET, un système de prévision océanique de l’océan basé sur l’apprentissage automatique. Bien que GLONET ait été développé pour fonctionner à l’échelle globale, l’un des objectifs est d’évaluer son adaptabilité et ses performances lorsqu’il est appliqué à des régions spécifiques. L’accent sera mis sur la région IBI, qui présente une importance scientifique et sociétale particulière et une grande pertinence pour les dynamiques climatiques et écosystémiques. L’objectif général du stage est d’adapter le pipeline de formation existant de GLONET afin qu’il puisse être appliqué efficacement à des échelles régionales, en améliorant les compétences prédictives et en permettant une meilleure compréhension des capacités du système.
Les tâches méthodologiques comprendront le prétraitement des sorties de modèles océanographiques haute résolution (température, salinité, courants et hauteur de surface de la mer) pour les rendre compatibles avec l’apprentissage automatique, tout en garantissant la qualité, la cohérence et la représentativité des caractéristiques régionales. Le ou la candidat(e) sera également en charge du développement et de la validation d’un pipeline de chargement de données dédié, capable d’orchestrer et d’alimenter efficacement de grands jeux de données spatiotemporelles dans le flux d'apprentissage du modèle. Une fois ces composants établis, ils seront intégrés dans le pipeline d’entrainement de l’architecture GLONET existante, permettant un ajustement systématique et une évaluation des performances dans le contexte IBI.
Profil
Le ou la candidat(e) retenu(e) devra avoir une formation en apprentissage automatique (machine learning) et/ou en vision par ordinateur, ainsi qu’une bonne maîtrise de Python et de PyTorch. Une expérience préalable dans l’entraînement de différents modèles et la gestion de divers jeux de données est souhaitée.
Ce stage offrira l’opportunité de contribuer au développement d’outils de prévision océanique de nouvelle génération basés sur l’intelligence artificielle, à l’intersection de l’apprentissage automatique, du calcul haute performance et des sciences océaniques. Il s’agit d’une expérience à la fois scientifiquement enrichissante et techniquement stimulante.
Encadrants :
Anass El Aouni (aelaouni@mercator-ocean.fr)
Guillaume Reffray (greffray@mercator-ocean.fr)
Référence :
El Aouni, Anass, et al. "GLONET: Mercator's end‐to‐end neural Global Ocean forecasting system." Journal of Geophysical Research: Machine Learning and Computation 2.3 (2025): e2025JH000686.
[English version]
Project title: Regional Fine-Tuning of GLONET: Adapting a Global Machine Learning Ocean Forecasting System to the IBI region at 1/36°.
In the framework of the Copernicus Marine Service (https://marine.copernicus.eu/fr), Mercator Ocean International leads the Iberian-Biscay-Ireland (IBI) Marine Forecasting Center, which is responsible for designing, operating, and producing near real-time forecasting system and reanalysis.
By the end of 2025, the service will evolve by delivering new reanalysis product at 1/36° (called IBIRYS36), replacing the current 1/12° product. Covering the period from 1993 onwards, the new reanalysis will provide an extensive dataset that can be used to explore the feasibility of developing an AI-based regional forecasting system.
The objective of the internship is to assess whether such an approach - faster to run and less demanding in terms of computational resources - could serve as a viable alternative to the current operational forecasting system. The AI-based forecasts will be compared against the existing prediction system, which relies on numerical model and data assimilation method and currently delivers products at 1/36°.
Objective
The internship will be dedicated to the regional fine-tuning of GLONET, a state-of-the-art machine learning–based global ocean forecasting system. While GLONET has been developed to operate at global scale, one of the current research frontiers is to assess its adaptability and performance when constrained to specific regions of interest. The focus will be on the IBI region, which is of particular scientific and societal importance and relevance for climate and ecosystem dynamics. The overarching objective of the internship is to adapt the existing GLONET training pipeline so that it can be efficiently applied at regional scales, providing improved predictive skill and allowing for a more detailed understanding of the system's capabilities.
The methodological tasks will include the pre-processing of high-resolution oceanographic model outputs (e.g., temperature, salinity, currents, and sea surface height) into machine learning-ready formats, while ensuring data quality, consistency, and representativeness of regional features. The candidate will also be in charge of developing and validating a dedicated data loading pipeline that can orchestrate and efficiently feed large spatiotemporal datasets into the model training workflow. Once established, these components will be integrated into the training loop of the pre-existing GLONET architecture, enabling systematic fine-tuning and performance evaluation in the IBI context.
Prerequisites:
The successful candidate is expected to have a background in machine learning and/or computer vision, with proficiency in Python and PyTorch. Prior experience in training different models, handling various datasets is desired.
The internship will provide the opportunity to contribute to the development of next-generation AI-based ocean forecasting tools at the interface of machine learning, high-performance computing, and ocean science, offering a scientifically rich and technically challenging experience.
Supervisors:
Anass El Aouni (aelaouni@mercator-ocean.fr)
Guillaume Reffray (greffray@mercator-ocean.fr)
Useful reference:
El Aouni, Anass, et al. "GLONET: Mercator's end‐to‐end neural Global Ocean forecasting system." Journal of Geophysical Research: Machine Learning and Computation 2.3 (2025): e2025JH000686.