Consulter les offres d’emploi

Développement d'un modèle flexible pénalisé pour l'intensité conditionnelle en événements récurrents

Publiée le 10/07/2026 09:32.

Stage, Lyon.

Entreprise/Organisme :	Université Claude Bernard Lyon 1
Niveau d'études :	Master
Description :	De nombreuses maladies chroniques se caractérisent par la répétition d’événements cliniques au cours du temps : poussées de sclérose en plaques, crises d’épilepsie, événements indésirables sous chimiothérapie ou immunothérapie des patients atteints de cancer. Ces événements ne sont pas indépendants : leur survenue, leur fréquence et leur chronologie sont structurées par l’historique propre à chaque patient. D’un point de vue mathématique, pour un patient donné, le nombre d’événements au cours du temps peut être modélisé par un processus de comptage lui-même caractérisé par son intensité conditionnelle, c’est-à-dire la probabilité instantanée de survenue d’un nouvel événement, par unité de temps, et conditionnellement à l’historique du patient (en termes d’événements passés mais également en termes de valeurs de covariables). Formellement, l’intensité conditionnelle est un processus stochastique dans le sens où elle n’est pas forcément déterministe : en effet, elle peut dépendre du temps de survenue des différents événements, en d’autres termes, être une fonction de variables aléatoires et du temps. Face à cette complexité potentielle, les modèles couramment utilisés en pratique clinique — Andersen-Gill (1982), Prentice-Williams-Peterson (1981), modèles à fragilité — reposent sur des hypothèses souvent trop restrictives : indépendance entre occurrences successives, forme paramétrique simple, absence de dépendance à l’historique des événements. Ce stage propose de développer et d’évaluer une alternative flexible fondée sur les splines pénalisées.
En savoir plus :	No link 2026_07_09_stage_m2_intensite_flexible.pdf
Contact :	mathieu.fauvernier@chu-lyon.fr

PhD Position: Lost Lifetime due to Cancer: A Deconvolutional Approach to Relative Survival Analysis

Publiée le 09/07/2026 10:37.

Thèse, Marseille.

Entreprise/Organisme :	SESSTIM, Université Aix-Marseille
Niveau d'études :	Master
Description :	This PhD project focuses on developing new statistical methods for survival analysis in cancer epidemiology, centered on the notion of lost lifetime due to disease. The aim is to build interpretable nonparametric and regression models for lost lifetime distributions, study their theoretical properties, design hypothesis tests, implement open-source software, and apply the methods to real-world cancer registry data. More information is available in the full PDF offer.
En savoir plus :	https://sesstim.univ-amu.fr/ phd_offer.pdf
Contact :	oskar.laverny@univ-amu.fr

Differentiable Calibration Losses for Multi-Class Machine Learning Models

Publiée le 08/07/2026 11:13.

Thèse, Louvain-la-Neuve, Belgium.

Entreprise/Organisme :	UCLouvain / Lidam
Niveau d'études :	Master
Secteur d'activité :	Machine Learning and Statistics
Description :	We are seeking a motivated PhD candidate to work on a doctoral project at the intersection of machine learning, statistics, and reliable artificial intelligence. Modern classification models, especially deep neural networks, often output probability scores. These scores are commonly interpreted as confidence levels. For example, if a model assigns a probability of 70% to a class, one would expect the prediction to be correct approximately 70% of the time. A model satisfying this property is said to be well calibrated. In practice, high predictive accuracy does not guarantee good calibration. Many modern classifiers are accurate but overconfident or underconfident. This is problematic when probability scores are used to support decisions, risk assessment, medical prediction, fraud detection, ranking systems, or any setting where the reliability of the predicted probabilities matters. The objective of this PhD project is to develop differentiable calibration losses for multi-class machine learning models. The goal is to move beyond post-hoc calibration methods and design calibration criteria that can be directly incorporated into the training of neural networks.
En savoir plus :	https://www.uclouvain.be/en/research-institutes/lidam PhDposition_UCLouvain.pdf
Contact :	olivier.caelen@uclouvain.be

Lecturer/Senior Lecturer in Statistics and Data Science

Publiée le 08/07/2026 10:17.

CDI, Perth, Western Australia.

Entreprise/Organisme :	Murdoch University
Niveau d'études :	Doctorat
Date de début :	Flexible, but ideally before the first teaching semester of 2027
Durée du contrat :	Permanent (after successful completion of probation)
Rémunération :	A$115512 - A$162403 p.a. + plus 17% Superannuation
Description :	The School of Mathematics, Statistics, Chemistry and Physics at Murdoch University seeks to make an appointment at the level of Lecturer or Senior Lecturer (roughly equivalent to Assistant and Associate Professor respectively in US-style systems) in Statistics and Data Science. The appointee will contribute to the teaching, research, and service activities of the discipline of Statistics within the School of Mathematics, Statistics, Chemistry & Physics (MSCP), while supporting and advancing the University’s programs in Data Science as well. The position is intended to strengthen Murdoch University’s capability in statistical science, with a focus on rigorous statistical methodology, modelling, and data-driven inference, alongside effective engagement with contemporary data science practice. The successful candidate will deliver high-quality teaching in Statistics and Data Science at undergraduate and postgraduate levels. This includes core statistical areas such as probability, statistical inference, and modelling, as well as contributions to data science education through statistical computing, data analysis, and reproducible workflows. The appointee will contribute to the development, coordination, and continuous improvement of units and programs, and collaborative teaching with other schools. The appointee will develop and maintain a strong research program in Statistics, producing high- quality outputs and contributing to multidisciplinary, data-intensive projects. The role emphasizes expertise in study design, modelling, and advanced statistical methods, alongside collaboration across Statistics, Data Science and other relevant disciplines. The appointee will contribute to teaching, supervision, curriculum development, academic leadership, and broader service activities, supporting the University’s mission and engagement with industry and professional communities.
En savoir plus :	https://murdoch.wd3.myworkdayjobs.com/en-US/MurdochCareers/details/Lecturer-or-Senior-Lecturer--Stat 2026_JR105506_B_and_C.pdf
Contact :	nick.collins-craft@murdoch.edu.au

Postdoc : Modèles de mélange bayésiens pour l’estimation d’effets neurotoxiques post radiothérapie

Publiée le 06/07/2026 18:07.

Postdoc, Fontenay-Aux-Roses (92).

Entreprise/Organisme :	Autorité de Sûreté Nucléaire et de Radioprotection (ASNR)
Niveau d'études :	Autre
Sujet :	La radiothérapie (RT) cérébrale est l’un des outils clé dans le traitement des tumeurs du système nerveux central (SNC). Malgré des progrès techniques indéniables, une altération post-RT de différentes fonctions cognitives, susceptible d’altérer significativement la qualité de vie des longs survivants, a été rapportée dans de nombreuses études. Le projet de recherche EpiBrainRad s'intéresse plus particulièrement à l'hypothèse selon laquelle la progression post-RT de plages de leucoencéphalopathie (PDLs), visibles à l’IRM cérébrale, ferait partie des mécanismes neurotoxiques radio-induits susceptibles d’altérer les fonctions cognitives chez des patients traités par RT cérébrale. Ces travaux de postdoctorat s’intègreront dans le projet ANR RADIO-AIDE (2002-2027), dérivé du projet EpiBrainRad et coordonné par l’ASNR. Ils auront pour objectif de répondre à certains des questionnements cliniques portés par le projet EpiBrainRad via le développement de modèles probabilistes spatio-temporels (ST) et de méthodes d’apprentissage statistique bayésien efficaces. Des segmentations longitudinales de différentes structures cérébrales et lésions post-RT visibles à l’IRM cérébrale seront notamment utilisées comme données d’entrée des modèles. De précédents travaux de recherche réalisés au sein du LEPID ont conduit à proposer un modèle de mélange Markovien ainsi qu’un algorithme d’apprentissage bayésien spécifique afin de permettre une estimation, à échelle du voxel, de l’association potentielle entre la dose de rayonnements ionisants (RI) reçue par certains tissus sains intracérébraux et la progression temporelle de PDLs post-RT. Les travaux réalisés dans ce post-doctorat viendront compléter ces premiers travaux puis traiter les questions cliniques en lien avec l’occurrence de troubles cognitifs post-RT.
Date de début :	A partir de septembre 2026
Durée du contrat :	12 mois (renouvelable)
Secteur d'activité :	Santé
Description :	Le candidat retenu devra être titulaire d'un doctorat en statistiques mathématiques ou en statistiques appliquées et justifier d'une expérience : - en statistique bayésienne (notamment en matière de mise en œuvre d'algorithmes d’inférence) - en analyse d’images. Il devra posséder des connaissances en langage de programmation C++ et Python. Il devra être capable de travailler de manière autonome et de communiquer avec clarté et pédagogie sur ces travaux.
En savoir plus :	https://recherche-expertise.asnr.fr/recherche/projet-radio-aide PostdocRADIOAIDE_Ancelet.pdf
Contact :	sophie.ancelet@asnr.fr

PhD : Stochastic and individual based modelling for breeding programs of laying hens

Publiée le 06/07/2026 15:13.

Référence : OT-29360.

Thèse, UMR PEGASE, 16 Le Clos, 35590 Saint-Gilles.

Entreprise/Organisme :	INRAE
Niveau d'études :	Master
Sujet :	Modelling Selection Plans for Resilience in Laying Hens
Date de début :	01/11/2026
Durée du contrat :	36 months
Rémunération :	2300 € gross per month
Secteur d'activité :	Quantitative genetics applied to livestock
Description :	You will be welcomed under joint supervision by two INRAE research units: · Primary host research unit: Physiology, Environment and Genetics for Animals and Livestock Systems joint research unit (UMR PEGASE), located in Brittany, about 10 km from Rennes. The unit brings together INRAE and Institut Agro staff conducting research and teaching in animal biology and livestock systems. Within PEGASE, the Avian Genetics and Genomics team (GGA) works on innovative genetic‑improvement strategies to increase the multi‑performance and longevity of laying hens, thereby contributing to more resilient farming systems. · Co‑supervising research unit: the Research Unit Genetic Animal and Integrative Biology (UMR GABI), based near Paris. The team “Genetics Useful for Fish and Insects in Agro‑ecology” (GUPPIE) conducts work on modelling selection plans for species raised in large groups. Regular stays in Jouy‑en‑Josas will be required, with a longer immersion stay of a few months recommended. The PhD project is set in the context of the agro‑ecological transition, as the phased ban on cage‑based laying systems across Europe creates new challenges. Alternative systems (free‑range, organic) expose hens to greater climatic, sanitary and social stressors (e.g. pecking, large‑group dynamics). The overall aim is to design multi‑objective selection strategies that boost animal resilience to these disturbances while extending the productive lifespan of the hens. The central objective of your thesis will be to develop and evaluate, through stochastic modelling, selection strategies that promote resilience at different scales (population, system, and group). Your work will be divided into three main phases. · Real‑world data analysis: Use commercial data supplied by the breeding company Novogen (covering > 7 000 hens) to assess how social interactions (pecking, nest‑box use recorded by electronic nests) affect production traits and egg quality under different housing systems. · Group‑level social‑interaction modelling: Propose innovative selection strategies that limit competition and promote cooperation among hens kept in very large groups (several thousand individuals). Individual‑based simulation approaches will be used to evaluate the impact of environmental fluctuations. · Population‑level multi‑criteria modelling: Develop models and selection strategies that preserve genetic diversity and maintain overall line adaptability.
En savoir plus :	https://jobs.inrae.fr/en/ot-29360 BEDERE_PEGASE_2_EN_diffusion.pdf
Contact :	nicolas.bedere@inrae.fr

Thèse : modélisation stochastique individus centrée pour la sélection génétique des poules pondeuses

Publiée le 06/07/2026 15:13.

Référence : OT-29357.

Thèse, UMR PEGASE, 16 Le Clos, 35590 Saint-Gilles.

Entreprise/Organisme :	INRAE
Niveau d'études :	Master
Sujet :	Modélisation de plans de sélection pour la résilience en poules pondeuses
Date de début :	01/11/2026
Durée du contrat :	36 months
Rémunération :	2300 € bruts mensuels
Secteur d'activité :	Génétique Quantitative Animale
Description :	Vous serez accueilli.e en co-encadrement entre deux unités de recherche d'INRAE : Votre lieu principal d’affectation sera au sein de l’unité mixte de recherche Physiologie, Environnement et Génétique pour l'Animal et les Systèmes d'Élevage (UMR PEGASE), située en Bretagne, à 10 km de Rennes. Des agents INRAE et Institut Agro y mènent des recherches et dispensent des formations en biologie animale et système d’élevage. Au sein de l’unité, l’équipe Génétique et Génomique Avicole (GGA) étudie, entre autres, l’optimisation des stratégies d’amélioration génétique innovantes pour accroître la multi-performance et la longévité des poules pondeuses, favorisant ainsi des systèmes d’élevage plus résilients. Cette thèse est co-encadrée par des chercheurs de l’unité mixte de recherche Génétique Animale et Biologie Intégrative (UMR GABI), située en région parisienne. Des agents d’INRAE mènent, au sein de leur équipe Génétique Utile Pour les Poissons et les Insectes en agroÉcologie (GUPPIE), des travaux sur la modélisation des plans de sélection pour les espèces élevées en grands groupes. Dans le cadre de ce co-encadrement, des séjours réguliers à Jouy-en-Josas auront lieu, un séjour d’immersion de quelques mois est souhaitable. Ce projet de thèse s'inscrit dans un contexte de transition agroécologique où la fin programmée de l'élevage en cage en Europe impose de nouveaux défis. Les systèmes alternatifs (plein air, bio) exposent davantage les poules aux aléas climatiques, sanitaires et aux interactions sociales négatives comme le picage, les animaux évoluant dans de grands groupes. L'objectif de la thèse est de concevoir des stratégies de sélection multicritères pour accroître la résilience des animaux face à ces perturbations, tout en prolongeant la durée de carrière des poules. L’objectif central de votre thèse sera de développer et d'évaluer, par modélisation stochastique, des stratégies de sélection favorisant la résilience à différentes échelles (population, système et groupe). Vos activités se diviseront en trois phases principales : · Analyse de données réelles : Vous exploiterez des données commerciales issues du sélectionneur Novogen (portant sur plus de 7000 poules) pour évaluer l’impact des interactions sociales (picage, comportement de ponte via nids électroniques) sur les caractères de production et de qualité des œufs selon le système d'élevage. · Modélisation des interactions sociales à l'échelle du groupe : Vous proposerez des stratégies de sélection innovantes pour limiter la compétition et favoriser la coopération entre poules élevées en grands groupes (plusieurs milliers d'individus), en utilisant des approches individus-centrés pour simuler l'impact des aléas environnementaux. · Modélisation multicritère à l'échelle de la population : Vous développerez des modèles et des stratégies de sélection pour préserver la diversité génétique et maintenir l'adaptabilité globale de la lignée.
En savoir plus :	https://jobs.inrae.fr/ot-29357 BEDERE_PEGASE_2_vf_diffusion.pdf
Contact :	nicolas.bedere@inrae.fr

PhD : longitudinal analyses for breeding programs in laying hens

Publiée le 06/07/2026 12:29.

Référence : OT-29356.

Thèse, UMR PEGASE, 16 Le Clos, 35590 Saint-Gilles.

Entreprise/Organisme :	INRAE
Niveau d'études :	Master
Sujet :	Selection criteria for hens to improve their resilience to environmental variations
Date de début :	01/09/2026
Durée du contrat :	36 months
Rémunération :	28000 € gross per annum
Secteur d'activité :	Quantitative genetics applied to livestock
Description :	You will be welcomed in the unit Physiology, Environment and Genetics for Animals and Livestock Systems joint research unit (UMR PEGASE), located in Brittany, 10 km from Rennes. INRAE and Institut Agro staff conduct research and provide training in animal biology and breeding systems. Within the unit, the Avian Genetics and Genomics team (GGA) studies, among other things, the genetic determinism of laying hen adaptation to innovative and sustainable rearing environments. Cage rearing of laying hens is disappearing in Europe, in favor of alternative systems that offer living conditions more respectful of animal welfare. In 2020, 52% of laying hens in the European Union were raised in alternative systems to cages. An end to cage farming in the European Union is even planned in the short term, following the End the Cage Age citizens' initiative. In these alternative systems, animals are more exposed to hazards that disrupt their living environment, such as a heatwave or the emergence of a virus. It is therefore crucial to select animals that are resilient, i.e. less sensitive to these disturbances. Thanks to new high-throughput phenotyping tools, such as an electronic nest, we have access to information enabling us to study animal responses to hazards, such as changes in egg-laying rhythms, from which indicators of resilience can be derived. The aim of this thesis will be to propose selection criteria for improving animal resilience based on these longitudinal phenotyping data. - First, it will be necessary to explore several indicators of resilience (logarithm of variance of deviations, reaction norm coefficient, curve modeling and parameters, UpDown method parameters, GAMs method parameters...) and to determine their genetic parameters (heritabilities and genetic correlations, including with other selection criteria). - The genetic determinism of these traits will then be studied by QTL detection. - Finally, simulations will be used to assess the impact of selection on resilience, according to scenarios that differ in terms of frequency and intensity of climatic and sanitary disturbances.
En savoir plus :	https://jobs.inrae.fr/en/ot-29356 BEDERE_PEGASE_1_EN_diffusion.pdf
Contact :	nicolas.bedere@inrae.fr

Thèse : analyses longitudinales pour la sélection génétique des poules pondeuses

Publiée le 06/07/2026 12:29.

Référence : OT-29355.

Thèse, UMR PEGASE, 16 Le Clos, 35590 Saint-Gilles.

Entreprise/Organisme :	INRAE
Niveau d'études :	Master
Sujet :	Critères de sélection des poules pour améliorer leur résilience face aux variations de leur environnement
Date de début :	01/09/2026
Durée du contrat :	36 mois
Rémunération :	28000 € bruts annuels
Secteur d'activité :	Génétique Quantitative Animale
Description :	Vous serez accueilli.e au sein de l’unité mixte de recherche Physiologie, Environnement et Génétique pour l'Animal et les Systèmes d'Élevage (UMR PEGASE), située en Bretagne, à 10 km de Rennes. Des agents INRAE et Institut Agro y mènent des recherches et dispensent des formations en biologie animale et système d’élevage. Au sein de l’unité, l’équipe Génétique et Génomique Avicole (GGA) étudie, entre autre, le déterminisme génétique de l’adaptation des poules pondeuses à des environnements d’élevage innovants et durables. L’élevage des poules pondeuses en cage disparaît en Europe, au profit de systèmes alternatifs qui offrent des conditions de vie plus respectueuses du bien-être des animaux. En 2020, 52 % des poules pondeuses étaient élevées dans des systèmes alternatifs à la cage en Union Européenne. Un arrêt de l’élevage en cage dans l’Union Européenne est même programmé à court terme suite à l’initiative citoyenne End the Cage Age. Dans ces systèmes alternatifs, les animaux sont plus exposés aux aléas qui perturbent leur milieu de vie, tel qu’un épisode de canicule ou l’émergence d’un virus. Il est donc crucial de sélectionner des animaux résilients, c’est-à-dire moins sensibles à ces perturbations. Grâce à de nouveaux outils de phénotypage à haut débit, tel qu’un nid électronique, nous avons accès à des informations permettant d’étudier les réponses des animaux aux aléas, comme des changements de rythmes de ponte, desquels des indicateurs de résilience peuvent être dérivés. L’objectif de cette thèse sera de proposer des critères de sélection pour améliorer la résilience des animaux à partir de ces données longitudinales de phénotypage. D’abord, il sera nécessaire d’explorer plusieurs indicateurs de résilience (logarithme de la variance des déviations, coefficient de normes de réaction, modélisation et paramètres de courbes, paramètres de la méthode UpDown, paramètres de la méthode GAMs…) et d’en déterminer les paramètres génétiques (héritabilités et corrélations génétiques, y compris avec d’autres critères de sélection). Ensuite, le déterminisme génétique de ces caractères sera étudié par détection de QTL. Enfin, des simulations permettront d’évaluer l’intérêt d’une sélection sur la résilience selon des scénarios qui diffèrent en termes de fréquences et d’intensité de perturbations climatiques et sanitaires.
En savoir plus :	https://jobs.inrae.fr/ot-29355 BEDERE_PEGASE_1_diffusion.pdf
Contact :	nicolas.bedere@inrae.fr

Research professor in Statistics and Data Science

Publiée le 06/07/2026 10:51.

CDI, Leuven, Belgium.

Entreprise/Organisme :	KU Leuven
Niveau d'études :	Doctorat
Description :	The Faculty of Economics and Business (FEB) of the KU Leuven has a vacancy for a full-time academic research position in the research group ORSTAT (Operations Research and Statistics). The vacancy is open to excellent junior and senior researchers. You will be hired in the rank of Assistant Professor, Associate Professor or (Full) Professor, depending on your qualifications and academic experience. Junior researchers will be appointed as assistant professor in tenure track for a period of 5 years, which in case of a positive evaluation is followed by an appointment as a tenured associate professor.
En savoir plus :	https://www.kuleuven.be/personeel/jobsite/jobs/60625692?lang=en
Contact :	ingrid.vankeilegom@kuleuven.be

Bayesian Spatiotemporal Small Area Estimation for Forest Disturbance Monitoring

Publiée le 30/06/2026 11:50.

Référence : phd-xrisks2026.

Thèse, Nancy, France.

Entreprise/Organisme :	Institut national de l'information géographique et forestière (IGN)
Niveau d'études :	Master
Sujet :	spatio-temporal, bayesian, small area estimation, forest monitoring, forest inventory, remote sensing
Date de début :	Fall 2026
Durée du contrat :	3 years
Rémunération :	~2300 euros (gross)
Description :	Climate change is increasing the frequency and severity of forest disturbances (e.g., droughts, wildfires, storms, and insect outbreaks), which are inherently localized and evolve rapidly across space and time. While national forest inventories (NFIs) provide unbiased estimates of forest resources at large scales, they are not designed to quantify localized events when local sample sizes are small. Remote sensing technologies (LiDAR, satellite imagery) can detect and map disturbed areas with high precision, but they do not directly measure essential forest attributes such as the volume of timber affected. Model-assisted estimation offers a partial solution: by incorporating remote sensing data as auxiliary covariates, it is possible to reduce the variance of design-based estimators without sacrificing their design-based validity. However, this approach relies on asymptotic guarantees and on auxiliary data that are strongly correlated with field measurements, conditions that are difficult to satisfy at fine spatial and temporal resolutions or when disturbances are rare and localized. This PhD will develop a methodological framework for high-resolution monitoring of forest disturbances using French NFI data. Funded by the Institut national de l’information géographique et forestière (IGN) as part of its commitment to advancing operational forest monitoring, the project will build on Bayesian small area estimation (SAE) methods that borrow statistical strength across space and time when local data are insufficient. Building on the Fay-Herriot model and its spatiotemporal extensions, the project will exploit approximately 20 years of French NFI data to produce coherent posterior distributions of forest disturbance indicators at fine spatial resolution. Inference will likely be carried out using Integrated Nested Laplace Approximation (INLA), which provides substantial computational advantages over MCMC and makes near-real-time updating operationally feasible. A key methodological objective is to develop Bayesian spatiotemporal SAE methods that remain design-consistent, or approximately design-consistent, while benchmarking naturally to official inventory estimates. Particular emphasis will be placed on estimating forest attributes for disturbance-defined domains identified through remote sensing, even when these domains evolve over time (e.g., bark beetle outbreaks) and are not known at the survey design stage. More broadly, the project aims to develop computationally efficient statistical workflows for operational forest disturbance monitoring. The methods will be developed at the Laboratory of Forest Inventory (LIF) in Nancy, France using real NFI and satellite data to produce high-resolution maps of disturbance severity in terms of affected timber volume. Reproducible tools, including software packages and an interactive application, will be developed to facilitate operational implementation.
En savoir plus :	https://lif-geodata.github.io/LIF/phd-xrisks.html
Contact :	alexander.massey@ign.fr

Developpeur.se d'application Web en apiculture

Publiée le 30/06/2026 11:50.

CDD, INRAE PACA Avignon Domaine Saint Paul - 228 route de l'Aérodrome, 84914 Avignon.

Entreprise/Organisme :	INRAE Abeilles et Environnement
Niveau d'études :	DUT/Licence ou équivalent
Date de début :	01/10/2026
Durée du contrat :	6 mois
Rémunération :	entre 2200 € et 3300 € brut mensuel, selon expérience
Description :	En tant qu’ingénieur.e d’étude, votre mission sera d’optimiser et d’améliorer l’ergonomie ainsi que les fonctionnalités d’une application Web développée sous Rshiny avant de la déployer en ligne. Des échanges avec l’équipe du projet et des apiculteurs (public cible) afin d’identifier les besoins seront à prévoir. Activités principales : Analyser l’architecture existante de l’application Rshiny Optimiser les performances de calcul et de chargement Améliorer l’interface utilisateur et l’expérience utilisateur (UX/UI) Echanger avec les utilisateurs pour définir les fonctionnalités clés Développer une interface de saisie manuelle de données Structurer et maintenir le code pour garantir sa robustesse et sa lisibilité Mettre en place des tests et procédures de validation Préparer et réaliser le déploiement de l’application en ligne Rédiger la documentation technique et fonctionnelle Participer à la formation des utilisateurs et des partenaires du projet pour le transfert de l’outil.
En savoir plus :	https://jobs.inrae.fr/ot-29310 offre.pdf
Contact :	christophe.reype@inrae.fr

Approche IA neuro -symbolique pour la classification des résidus de tir

Publiée le 26/06/2026 10:06.

Thèse, LIB - EA 7534, 9 avenue Alain Savary, 21000 Dijon.

Entreprise/Organisme :	Laboratoire d'Informatique de Bourgogne - LIB
Niveau d'études :	Master
Sujet :	Le sujet s’inscrit dans le cadre du projet IGNIS (Intelligent System for Gunshot Residue Classification), porté conjointement par le Laboratoire d’Informatique de Bourgogne (LIB), l’Institut de Mathématiques de Bourgogne (IMB) et le Service National de la Police Scientifique (SNPS). Le projet IGNIS vise le conception d’un système de classification automatique et explicable des résidus de tir observés par microscopie électronique à balayage couplée à la spectrométrie dispersive en énergie (MEB-EDX). L’environnement de recherche est interdisciplinaire, à l’interface entre intelligence artificielle, représentation des connaissances, apprentissage automatique, statistique, optimisation et criminalistique. Il bénéficie d’un accès à des données réelles issues des laboratoires du SNPS.
Date de début :	septembre - octobre 2026
Durée du contrat :	36 mois
Description :	La thèse s’attachera à répondre à la question suivante : comment concevoir un système d’intelligence artificielle neuro-symbolique capable de classifier automatiquement des particules de résidus de tir de manière fiable, adaptable et explicable, tout en respectant les contraintes scientifiques, opérationnelles et judiciaires propres à la criminalistique ? Cette problématique générale se décline en plusieurs questions de recherche : - Comment représenter formellement les connaissances expertes relatives aux résidus de tir, en intégrant normes ASTM, critères morphologiques, compositions élémentaires et règles métier, au sein d’une base de connaissances exploitable par une machine ? - Comment articuler cette représentation symbolique avec des modèles d’apprentissage pour affiner les règles de classification existantes, d’apprendre de nouvelles classes ou sous-classes de particules et de maintenir la robustesse du système ? - Comment produire des explications compréhensibles et acceptables par les experts du SNPS, en combinant raisonnement symbolique, méthodes d’explication post-hoc et analyse de sensibilité ? - Comment évaluer un tel système non seulement en termes de précision algorithmique, mais aussi en termes d'utilité métier, en sécurité d’intégration, en reproductibilité et en potentiel de transfert vers d’autres laboratoires ?
En savoir plus :	https://lib.ube.fr/ IGNIS_PhDproposal_LIB-2026.pdf
Contact :	ana-maria.roxin@ube.fr

University Assistant postdoctoral

Publiée le 25/06/2026 09:25.

Référence : nataliya.stastny@univie.ac.at.

Postdoc, Vienna, Austria.

Entreprise/Organisme :	University of Vienna
Niveau d'études :	Doctorat
Date de début :	01 October 2026
Durée du contrat :	4 years
Rémunération :	5.014,30 (14 times a year)
Secteur d'activité :	Statistics and Operations Research, Data Science
Description :	The Department of Statistics and Operations Research at the University of Vienna is looking for a postdoctoral researcher to participate in the department's research, teaching, and administrative activities. In particular, the candidate is expected to take part in research projects leading to international publications and presentations. The position is limited to 4 years and is intended to contribute to collaborative research activities within the Data Science @ University of Vienna research platform.
En savoir plus :	https://jobs.univie.ac.at/job/University-Assistant-postdoctoral/1406505533/ UniAss postdoctoral at ISOR, University of Vienna, Austria.pdf
Contact :	tatyana.krivobokova@univie.ac.at

BIOSTATISTICIEN /INGENIEUR DE RECHERCHE - H/F – CDD 100%

Publiée le 18/06/2026 14:44.

Référence : BIOSTAT 2026 RG4485.

CDD, Nantes.

Entreprise/Organisme :	Registre des cancers de Loire-Atlantique/Vendée
Niveau d'études :	Doctorat
Date de début :	01/09/2026
Durée du contrat :	16 mois
Rémunération :	selon expérience
Secteur d'activité :	Santé
Description :	Le registre des cancers de Loire-Atlantique/Vendée (Nantes) recrute un biostatisticien expérimenté (doctorat en biostatistiques) pour une durée de 16 mois à compter de septembre 2026. La mission s'inscrit dans le cadre du programme SHS-épidémiologie du projet SIRIC-ILIAD2 et consistera à travailler sur les inégalités sociales et géographiques dans la survie du cancer du sein à partir de données populationnelles déjà recueillies dans 5 registres de cancer et des données du SNDS. La personne recrutée travaillera en collaboration avec l’épidémiologiste coordinateur de l'étude et en lien avec l’équipe des épidémiologistes du registre ainsi qu’avec les partenaires scientifiques du projet (en particulier l’unité Inserm CERPOP, l’Institut de Cancérologie de l’Ouest, Réseau régional de Cancérologie) et les partenaires institutionnels (ARS, Région).
En savoir plus :	No link Recrutement_BIOSTAT_ RCLAV_2026.pdf
Contact :	registre4485@chu-nantes.fr

<1> 2 Page suivante