Thèse Approches Hybrides d'Intelligence Artificielle pour l'Alignement Automatique des Référentiels de Compétences avec les Besoins du Marché du Travail H/F - Doctorat.Gouv.Fr

Établissement : Université de Montpellier École doctorale : I2S - Information, Structures, Systèmes Laboratoire de recherche : Laboratoire d'Informatique, de Robotique et de Micro-électronique de Montpellier Direction de la thèse : Sandra BRINGAY ORCID 0000000228303666 Début de la thèse : 2026-11-01 Date limite de candidature : 2026-09-20T23:59:59 Contexte du projet
L'évolution rapide des métiers, portée par la transformation numérique, l'émergence de l'intelligence
artificielle générative et les transitions écologiques, remet en question l'adéquation entre les
compétences développées dans l'enseignement supérieur et celles attendues par les employeurs.
Les référentiels de compétences, qui sont au coeur de l'Approche Par Compétences (APC), peinent à
suivre le rythme de ces évolutions et deviennent rapidement obsolètes.
Ce projet de recherche interdisciplinaire, à l'interface entre informatique et sciences de l'éducation,
vise à développer des méthodes innovantes permettant d'analyser, de comparer et d'aligner
automatiquement les référentiels de compétences de l'enseignement avec les compétences réellement
requises dans les environnements professionnels.
Le projet s'appuie sur des référentiels de compétences, des ontologies, des graphes de connaissances,
des taxonomies de métiers et des corpus d'offres d'emploi, afin de générer des recommandations
fiables, explicables et adaptatives pour l'évolution des programmes de formation.
Objectifs de la thèse
L'objectif principal de ce projet doctoral est de concevoir une approche hybride combinant
intelligence artificielle générative, apprentissage automatique (Machine Learning) et ontologies,
afin d'aligner automatiquement des référentiels de compétences hétérogènes.
Les travaux de recherche porteront notamment sur :
- la modélisation formelle des compétences et des référentiels de compétences de formation ;
- l'intégration et l'interopérabilité de référentiels de compétences provenant de sources multiples
(ESCO, RNCP, ROME, programmes universitaires et offres d'emploi) ;
- le développement de méthodes d'alignement sémantique utilisant des graphes de
connaissances, des grands modèles de langage (LLM) et des techniques de génération
augmentée par récupération (RAG - Retrieval-Augmented Generation) ;
- la conception de modèles d'IA explicable, garantissant la traçabilité et la transparence des
recommandations générées ;
- l'identification des compétences émergentes et l'analyse dynamique de l'écart entre les
compétences enseignées dans l'enseignement supérieur et celles requises par les acteurs socioéconomiques
;
- le développement d'outils d'aide à la décision destinés à accompagner les responsables de
formations universitaires dans la mise à jour de leurs référentiels de compétences. artificielle générative et les transitions écologiques, remet en question l'adéquation entre les
compétences développées dans l'enseignement supérieur et celles attendues par les employeurs.
Les référentiels de compétences, qui sont au coeur de l'Approche Par Compétences (APC), peinent à
suivre le rythme de ces évolutions et deviennent rapidement obsolètes.
Ce projet de recherche interdisciplinaire, à l'interface entre informatique et sciences de l'éducation,
vise à développer des méthodes innovantes permettant d'analyser, de comparer et d'aligner
automatiquement les référentiels de compétences de l'enseignement avec les compétences réellement
requises dans les environnements professionnels.
Le projet s'appuie sur des référentiels de compétences, des ontologies, des graphes de connaissances,
des taxonomies de métiers et des corpus d'offres d'emploi, afin de générer des recommandations
fiables, explicables et adaptatives pour l'évolution des programmes de formation.

Les candidats doivent être titulaires d'un Master (ou diplôme équivalent) en informatique, intelligence
artificielle, science des données (Data Science) ou dans un domaine étroitement lié.
Une expérience dans plusieurs des domaines suivants constituera un atout :
- Intelligence artificielle et Machine Learning ;
- Traitement automatique du langage naturel (NLP/TAL) ;
- Grands modèles de langage (LLM) et IA générative ;
- Génération augmentée par récupération (RAG) ;
- Ontologies et représentation des connaissances ;
- Fouille de textes (Text Mining) et analyse de données ;
- Programmation en Python et utilisation de bibliothèques d'IA ;
- Maîtrise de l'anglais de niveau B2 ou supérieur.
Un intérêt pour la recherche interdisciplinaire, la collaboration avec des partenaires académiques et
industriels, ainsi que pour les problématiques liées à l'enseignement supérieur, à l'approche par
compétences et à l'employabilité sera également fortement apprécié.

• Python
• Anglais
• Intelligence artificielle
• Machine learning
• Analyse de données