Localisation
Rhône (69), France (69)
Niveau d'études
Niveau 8 Doctorat/diplômes équivalents
Date limite
20 septembre 2026
Secteur
Recherche & Innovation
Missions principales
Votre mission principale consistera à développer une nouvelle génération de méthodes d’inférence fondée sur la simulation, mobilisant les avancées récentes de l'intelligence artificielle pour calibrer des modèles mécanistes spatialisés de propagation d’agents pathogènes à partir de sources de données multiples. Les approches développées devront permettre de mettre à jour les estimations et d’actualiser les projections en temps quasi-réel, à mesure que de nouvelles données deviennent disponibles.
Vous contribuerez plus particulièrement au développement de méthodes reposant sur des algorithmes d’intelligence artificielle – Neural Posterior Estimation (NPE), Neural Likelihood Estimation (NLE) et d’autres méthodes apparentées – permettant l’intégration simultanée de données hétérogènes : données épidémiologiques telles que l’incidence ou la séroprévalence, données génomiques et résultats d’analyses phylodynamiques, données démographiques et de mobilité des populations hôtes, données environnementales et géospatiales, informations relatives aux interventions sanitaires.
Vous appliquerez les méthodes développées à différents modèles épidémiologiques simulant la transmission d’agents pathogènes d’intérêt en santé humaine et animale, notamment l’influenza saisonnière et le SARS-CoV-2 chez l’être humain, ainsi que le virus de la dermatose nodulaire contagieuse chez les bovins.
L’objectif général de ces travaux est de produire des outils capables d’estimer rapidement les principaux paramètres épidémiologiques, de quantifier rigoureusement les incertitudes associées à ces estimations et de fournir des projections régulièrement actualisées afin d’éclairer la préparation, la surveillance et la réponse aux crises sanitaires.
Enfin, vous assurerez la mise en œuvre informatique des méthodes développées sous la forme de pipelines d’analyse reproductibles en Python et/ou en R, ainsi que leur documentation et leur diffusion sous forme d’outils open source à destination de la communauté scientifique. Vous contribuerez également à la valorisation des travaux par la rédaction d’articles scientifiques et la présentation des résultats lors de réunions de consortium et de conférences internationales.
Compétences attendues
Votre mission principale consistera à développer une nouvelle génération de méthodes d’inférence fondée sur la simulation, mobilisant les avancées récentes de l'intelligence artificielle pour calibrer des modèles mécanistes spatialisés de propagation d’agents pathogènes à partir de sources de données multiples. Les approches développées devront permettre de mettre à jour les estimations et d’actualiser les projections en temps quasi-réel, à mesure que de nouvelles données deviennent disponibles.Vous contribuerez plus particulièrement au développement de méthodes reposant sur des algorithmes d’intelligence artificielle – Neural Posterior Estimation (NPE), Neural Likelihood Estimation (NLE) et d’autres méthodes apparentées – permettant l’intégration simultanée de données hétérogènes : données épidémiologiques telles que l’incidence ou la séroprévalence, données génomiques et résultats d’analyses phylodynamiques, données démographiques et de mobilité des populations hôtes, données environnementales et géospatiales, informations relatives aux interventions sanitaires. Vous appliquerez les méthodes développées à différents modèles épidémiologiques simulant la transmission d’agents pathogènes d’intérêt en santé humaine et animale, notamment l’influenza saisonnière et le SARS-CoV-2 chez l’être humain, ainsi que le virus de la dermatose nodulaire contagieuse chez les bovins.L’objectif général de ces travaux est de produire des outils capables d’estimer rapidement les principaux paramètres épidémiologiques, de quantifier rigoureusement les incertitudes associées à ces estimations et de fournir des projections régulièrement actualisées afin d’éclairer la préparation, la surveillance et la réponse aux crises sanitaires.Enfin, vous assurerez la mise en œuvre informatique des méthodes développées sous la forme de pipelines d’analyse reproductibles en Python et/ou en R, ainsi que leur documentation et leur diffusion sous forme d’outils open source à destination de la communauté scientifique. Vous contribuerez également à la valorisation des travaux par la rédaction d’articles scientifiques et la présentation des résultats lors de réunions de consortium et de conférences internationales.
Profil attendu
Formation recommandée : Doctorat en épidémiologie, écologie, statistiques, intelligence artificielle, physique, mathématiques appliquées ou dans une discipline quantitative apparentée.
Connaissances souhaitées : Solides connaissances dans au moins deux des domaines suivants : modélisation mécaniste, inférence bayésienne et/ou basée sur les simulations, apprentissage profond, modélisation phylodynamique et analyses génomiques. Une bonne maîtrise de Python et/ou de R est attendue, ainsi qu’une expérience avec plusieurs des outils ou environnements suivants : PyTorch, JAX, Pyro, sbi, Stan, Git et Linux.
Expérience appréciée : Expérience en modélisation appliquée à la dynamique de transmission d’agents pathogènes au sein de populations humaines ou animales structurées. Une expérience de l’intégration de bases de données complexes pour la calibration de modèles, ainsi que du développement de pipelines d’analyse reproductibles constituera également un atout.
Aptitudes recherchées : Capacité à concevoir et conduire des travaux de recherche avec un haut degré d’autonomie, aptitude à travailler au sein d’équipes interdisciplinaires et internationale, capacité à valoriser les travaux par des publications dans des revues scientifiques internationales, excellente maîtrise de l’anglais, à l’oral comme à l’écrit.
Conditions d'exercice
Conditions particulières d’exercice : Le poste implique des interactions régulières avec les partenaires français et européens des consortiums GeoAI4EI et CRISPOX. Des déplacements ponctuels en France et en Europe seront à prévoir pour participer aux réunions de projet, aux ateliers méthodologiques et aux conférences scientifiques. Une organisation en télétravail partiel est possible conformément aux règles en vigueur au sein de l’institut.
Informations complémentaires
Votre qualité de vie à INRAE
En rejoignant INRAE, vous bénéficiez (selon le type de contrat et sa durée) :
- jusqu'à 30 jours de congés + 15 RTT par an (pour un temps plein) ;
- d'un soutien à la parentalité : CESU garde d'enfants, prestations pour les loisirs ;
- de dispositifs de développement des compétences : formation, conseil en orientation professionnelle ;
- d'un accompagnement social : conseil et écoute, aides et prêts sociaux ;
- de prestations vacances et loisirs : chèque-vacances, hébergements à tarif préférentiel ;
- d'activités sportives et culturelles ;
- d'une restauration collective.
Rémunération : A partir de 3 559,17€ brut mensuel
Métier de référence
Experte / Expert en calcul scientifique
Comprendre ce poste
Ce poste de post-doctorant porte sur la création de méthodes computationnelles pour modéliser la propagation d'agents pathogènes en intégrant des données complexes et hétérogènes. L'expert en calcul scientifique travaille à l'interface entre épidémiologie, informatique et mathématiques appliquées, développant des algorithmes capables d'assimiler en continu des sources de données variées pour produire des estimations actualisées et des projections. C'est un rôle de recherche fondamentale avec des applications directes aux enjeux sanitaires.
Le recrutement dans ce cadre
Ce contrat de recherche s'inscrit en catégorie A+ au sein de l'INRAE, le principal institut public français dédié à la recherche agronomique et environnementale. Le recrutement accepte candidatures de titulaires et contractuels, offrant une souplesse d'accès typique des postes post-doctoraux. L'évolution ultérieure dépendra du passage à un contrat permanent ou à une position de chercheur confirmé au sein des organismes de recherche.
Conseils pour candidater
- **Démontrer une polyvalence méthodologique** : l'annonce requiert expertise dans au moins deux domaines (modélisation mécaniste, inférence bayésienne, apprentissage profond). Structurez votre CV et lettre autour de projets concrets montrant cette pluridisciplinarité plutôt que des compétences isolées.
- **Détailler votre maîtrise des outils techniques** : PyTorch, JAX, Pyro et autres frameworks ne sont pas optionnels ici. Incluez des liens vers des dépôts Git ou des publications avec code reproductible pour prouver une vraie pratique opérationnelle.
- **Mettre l'accent sur l'intégration de données hétérogènes** : valorisez toute expérience montrant votre capacité à calibrer des modèles sur plusieurs sources de données simultanément, qu'elle soit épidémiologique, génomique ou démographique.
Éclairage rédigé par PostePublic pour contextualiser cette offre.
Réf. 2026-2382949Fonction publique d'État