Doctorant Doctorant en Intelligence Artificielle Scientifique et Modélisation Spatio-Temporelle de la Biodiversité H/F - INRIA

A propos d'Inria

Inria, l'institut national de recherche dans les sciences et technologies du numérique, est en appui de l'État pour les stratégies nationales de recherche et d'innovation du numérique en tant qu'Agence de programmes. Inria mène plus de 300 projets de recherche et d'innovation avec ses 3500 scientifiques, ingénieurs et personnels d'appui, en partenariat avec les universités et l'écosystème numérique (entreprises, entrepreneurs, acteurs publics). Ensemble, nous explorons des domaines clés comme l'intelligence artificielle, la cybersécurité, l'informatique quantique, le Cloud, la transformation numérique de la santé, les jumeaux numériques ou encore les technologies numériques pour la défense. Nous construisons des solutions concrètes telles que des logiciels, des startups technologiques, des partenariats avec les entreprises du tissu national et des formations de pointe. Notre objectif : l'impact scientifique, technologique et industriel au service de la souveraineté numérique de la France.

Doctorant F/H Doctorant(e) en intelligence artificielle scientifique et modélisation spatio-temporelle de la biodiversité

Type de contrat : CDD

Niveau de diplôme exigé : Bac +5 ou équivalent

Fonction : Doctorant

A propos du centre ou de la direction fonctionnelle

L'Inria est l'Institut national de recherche en sciences du numérique, dont le centre Inria d'Université Côte d'Azur fait partie. Avec une forte expertise en informatique et mathématiques appliquées, les projets de recherche du centre Inria d'Université Côte d'Azur touchent toutes les dimensions des sciences et technologies du numérique, et génèrent de l'innovation. Implanté principalement à Sophia Antipolis, mais également à Nice ou Montpellier, il regroupe 47 équipes de recherche et neuf services d'appui. Il est présent dans les domaines de l'intelligence artificielle, la science des données, la sécurité des systèmes informatiques, la robotique, l'ingénierie de réseaux, la prévention des risques naturels, la transition écologique, la biologie numérique, les neurosciences computationnelles, les données de santé... Le Centre Inria d'Université Côte d'Azur est un acteur majeur en termes d'excellence scientifique par les résultats obtenus et les collaborations tant au niveau européen qu'international.

Contexte et atouts du poste

Cette thèse s'inscrit dans le cadre du PEPR DynaBiod, qui vise à faire progresser la compréhension et la modélisation des dynamiques de la biodiversité, notamment en mobilisant les avancées récentes de l'intelligence artificielle et de la modélisation mathématique.

Le projet sera mené à Montpellier, dans un environnement de recherche interdisciplinaire associant Inria et des équipes spécialisées en intelligence artificielle, écologie quantitative et modélisation des systèmes dynamiques. Il bénéficiera de la complémentarité des compétences des encadrants, ainsi que de l'écosystème scientifique développé autour de Pl@ntNet et de l'IA pour la biodiversité.

Le doctorant ou la doctorante contribuera à un programme de recherche ambitieux, à l'interface entre apprentissage profond, modélisation mécaniste et écologie. Le poste offre l'opportunité de développer des méthodes originales, notamment autour des Process-Informed Neural Networks (PINNs), et de les confronter à des données écologiques réelles, dans un contexte de collaborations interdisciplinaires.

Mission confiée

L'objectif de cette thèse est de développer de nouvelles approches d'intelligence artificielle permettant de mieux comprendre et prédire la dynamique spatio-temporelle des communautés végétales.

Les travaux exploreront notamment le potentiel des Process-Informed Neural Networks (PINNs) pour combiner apprentissage à partir de données et connaissances issues de l'écologie théorique. L'ambition est de dépasser les limites des approches purement corrélatives en intégrant des contraintes et des processus écologiques dans les modèles d'apprentissage.

Un enjeu central sera d'identifier les formulations mathématiques et les architectures d'apprentissage les plus adaptées à la dynamique des communautés végétales, puis d'étudier leur capacité à inférer des processus et paramètres écologiques à partir d'observations spatiales et temporelles incomplètes, hétérogènes et bruitées.

Principales activités

• Étudier l'état de l'art en modélisation dynamique des systèmes écologiques, en Scientific Machine Learning et en PINNs.

• Explorer différentes formulations mathématiques des dynamiques écologiques et leur intégration dans des architectures d'apprentissage profond.

• Concevoir et développer des approches fondées sur les PINNs et, si pertinent, d'autres méthodes hybrides combinant modèles mécanistes et apprentissage automatique.

• Étudier l'inférence de paramètres écologiques et la reconstruction de dynamiques spatio-temporelles à partir d'observations partielles.

• Développer des outils de simulation et d'évaluation sur des données synthétiques et réelles (inventaires de végétation, données environnementales, télédétection).

• Évaluer la robustesse, la généralisation et la pertinence écologique des modèles proposés.

• Publier les résultats dans des conférences et revues scientifiques internationales et contribuer à leur diffusion en logiciel libre.

Compétences

Formation :

• Master 2 ou diplôme d'ingénieur en informatique, intelligence artificielle, mathématiques appliquées ou discipline équivalente.

Compétences attendues :

• Bonnes connaissances en apprentissage automatique, optimisation numérique et/ou modélisation mathématique.

• Solides compétences en programmation scientifique (Python).

• Capacité à concevoir et évaluer des méthodes numériques.

• Autonomie, rigueur scientifique et goût pour la recherche.

• Bonne maîtrise de l'anglais scientifique.

Compétences appréciées :

• Connaissances en écologie quantitative, données spatiales ou télédétection.

• Expérience en apprentissage profond (PyTorch, JAX ou équivalent).

• Connaissances en équations différentielles, systèmes dynamiques ou PINNs.

• Expérience en simulation numérique et en inférence de paramètres.

Avantages

• Restauration subventionnée
• Transports publics remboursés partiellement
• Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
• Possibilité de télétravail (après 6 mois d'ancienneté) et aménagement du temps de travail
• Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
• Prestations sociales, culturelles et sportives (Association de gestion des oeuvres sociales d'Inria)
• Accès à la formation professionnelle
• Sécurité sociale

Rémunération

Rémunération brute mensuelle : 2300€

• Python
• Anglais
• Intelligence artificielle
• Autonomie
• Machine learning
• Mathématiques