logo-ulillelogo-cristal

Oct 02 2026

Stage master 2, 2027 (2)

Sensory conflict

Étude de la Théorie du Conflit Sensoriel pour la Cybercinétose en Réalité Virtuelle

Contexte scientifique

La cybercinétose (ou cybersickness) désigne l’ensemble des symptômes inconfortables (nausées, vertiges, désorientation, fatigue visuelle) que ressentent de nombreux utilisateurs lors de l’immersion en réalité virtuelle. Elle constitue aujourd’hui un frein majeur à l’adoption de ces technologies. Parmi les explications proposées, la théorie du conflit sensoriel, ou sensory conflict theory, attribue une part de ces symptômes aux discordances entre les informations sensorielles perçues, notamment visuelles et vestibulaires. Lorsque le système visuel signale un déplacement que le système vestibulaire ne confirme pas, ce conflit serait à l’origine de l’inconfort.

En réalité virtuelle, le déplacement de l’environnement visuel peut en outre induire une sensation illusoire d’auto-déplacement, appelée vection. Le rôle exact de la vection dans l’apparition de la cybercinétose reste débattu, et les corrélats neuronaux de ces phénomènes sont encore mal caractérisés. Ce stage vise à étudier expérimentalement l’effet de la congruence entre mouvements réels et virtuels sur la cybercinétose, la vection et l’activité cérébrale.

Missions du stage

  • Réaliser une recherche bibliographique ciblée sur la théorie du conflit sensoriel, la vection et la cybercinétose en réalité virtuelle.
  • Se familiariser avec le fauteuil roulant robotisé et l’environnement virtuel, puis contribuer à la préparation du dispositif expérimental.
  • Participer à la finalisation du protocole, qui fera varier la congruence entre les mouvements réels et virtuels, en lien avec l’équipe d’encadrement.
  • Préparer et conduire les séances expérimentales conformément au protocole retenu, et recueillir les données relatives à la vection et à la cybercinétose.
  • Traiter et analyser les données afin de comparer les conditions expérimentales et d’étudier les liens entre incongruence sensorielle, vection et symptômes.
  • Interpréter les résultats, rédiger un rapport de stage et présenter les conclusions.

Profil candidat(e)

  • Formation de Master 2 en informatique, robotique, réalité virtuelle, neurosciences cognitives, psychologie ou ergonomie.
  • Intérêt pour les interactions humain-machine, les environnements immersifs et l’expérimentation avec des participants.
  • Rigueur, autonomie et bonnes capacités d’analyse ; une première expérience en réalité virtuelle ou en traitement de données constitue un atout.

Environnement

Le stage se déroulera pendant six mois au sein de l’équipe BCI du laboratoire CRIStAL, UMR CNRS 9189, à l’Université de Lille. Le travail s’appuiera sur un dispositif expérimental associant réalité virtuelle et fauteuil roulant robotisé et casques EEG. CRIStAL étant situé en zone à régime restrictif (ZRR), l’accueil en stage est soumis à l’autorisation préalable du haut fonctionnaire de défense et de sécurité (HFDS).

Candidature

Envoyer un CV, les relevés de notes et un court message de motivation à hakim [dot] simohammed [at] univ-lille.fr. Version PDF du sujet disponible ici

Oct 02 2026

Stage master 2, 2027 (1)

CDP Loop

Classification EEG et Dynamique des Matrices de Covariance

Contexte scientifique

Les matrices de covariance permettent de transformer des signaux EEG de manière à capturer les relations entre les canaux enregistrés, et constituent une représentation couramment utilisée pour la classification de ces signaux. Elles appartiennent à l’espace des matrices symétriques définies positives, dont la géométrie riemannienne permet de définir des distances pour la comparaison entre les enregistrements.

L’approche classique consiste à considérer les matrices de covariance comme des blocs composites sur une durée d’enregistrement du signal, ce qui a pour effet de perdre la composante temporelle de l’évolution du signal au cours de l’enregistrement considéré. Dans ce stage nous proposons de développer une méthode de classification de l’évolution de ces matrices au cours du temps. Les antidéveloppements permettront de ramener la dynamique observée sur cette variété à une représentation dans un espace tangent, exploitable par des méthodes de classification conventionnelles.

Missions du stage

  • Réaliser une synthèse bibliographique sur la classification EEG par matrices de covariance, la géométrie riemannienne et les méthodes d’antidéveloppement.
  • Étudier les données et les méthodes disponibles, puis définir une représentation adaptée de l’évolution temporelle des matrices de covariance.
  • Implémenter les étapes de calcul des covariances et de leur antidéveloppement, et intégrer cette représentation à une chaîne de classification reproductible.
  • Évaluer la méthode sur les données retenues et la comparer à des approches de référence, notamment à des méthodes fondées sur des covariances considérées séparément.
  • Documenter les choix méthodologiques et le code, rédiger un rapport de stage et présenter les résultats.

Profil candidat(e)

  • Formation de Master 2 en mathématiques appliquées, traitement du signal, informatique ou science des données.
  • Bonnes bases en algèbre linéaire, probabilités et apprentissage automatique.
  • Maîtrise de Python et intérêt pour le développement d’algorithmes; des connaissances en traitement du signal EEG ou en géométrie riemannienne sont appréciées.
  • Goût pour la modélisation, l’analyse quantitative et le travail de recherche.

Environnement

Le stage se déroulera pendant six mois au sein de l’équipe BCI du laboratoire CRIStAL, UMR CNRS 9189, à l’Université de Lille. Le projet associera géométrie des matrices de covariance, développement algorithmique et évaluation sur des données EEG. Une attention particulière sera portée à la reproductibilité des traitements et à l’interprétation des résultats. CRIStAL étant situé en zone à régime restrictif (ZRR), l’accueil en stage est soumis à l’autorisation préalable du haut fonctionnaire de défense et de sécurité (HFDS).

Candidature

Envoyer un CV, les relevés de notes et un court message de motivation à hakim [dot] simohammed [at] univ-lille.fr. Version PDF du sujet disponible ici