Le service à compétence nationale (SCN) dénommé « Pôle d'Expertise de la Régulation Numérique » (PEReN), a pour mission d’apporter son expertise et son assistance techniques aux services de l’État et autorités administratives intervenant dans la régulation des plateformes numériques. Il est placé sous l’autorité des ministres chargés de l’économie, de la communication et du numérique et rattaché au Directeur Général des Entreprises pour sa gestion administrative et financière.
Le PEReN réunit les expertises humaines et ressources technologiques principalement dans les domaines du traitement des données, de la data science et de l’analyse algorithmique. Il fournit son savoir-faire technique aux services de l’État et autorités administratives qui le sollicitent (par exemple, Autorité de la concurrence, ARCOM, CNIL, ARCEP, ou directions ministérielles telles que la DGE, la DGCCRF, la DGT ou la DGMIC) en vue d’accéder à une compréhension approfondie des écosystèmes d’information exploités par les grands acteurs du numérique.
Le PEReN est également une structure de recherche (Identifiant RNSR : 202224283D) dédiée à la régulation des grandes plateformes numériques et à l’exploration des techniques et des outils d’audit algorithmique des plateformes numériques. Nous consolidons ces axes de recherche, pour reproduire des avancées scientifiques dans le champ du deep learning (traitement automatique du langage, analyse d’images et de vidéos, modèles multimodaux) et développer des 

incréments en vue de les appliquer à l’étude et à la régulation des plateformes numériques.

Intégré(e) au sein d’une équipe de chercheur(e)s et expert(e)s en sciences des données, vous aurez la responsabilité de les accompagner en collaboration avec les lead recherche et lead developer pour ce qui concerne l’écriture ou l’amélioration du code (Python et Pytorch principalement) pour des projets de recherche.

Dans le cadre des projets de recherche, vous contribuerez à la reproduction d’architectures de deep learning décrites dans la littérature scientifique, et vous travaillerez aussi à l’entraînement de réseaux de neurones dédiés aux missions de recherche du PEReN.

Vous serez amené(e) à contribuer sur des projets de recherche impliquant des modèles divers : reconnaissance d’objets ou d’actions (object/action recognition) dans des images ou des vidéos, entraînement ou finetuning de modèles de classification d’images ou de vidéos, finetuning de gigamodèles de langage (large language models) pour des tâches particulières de traitement du langage naturel (analyse de sentiments, etc.), construction d’une architecture logicielle pour la détection d’images, de vidéos ou de textes générés par intelligence artificielle (Generative Adversarial Networks, diffusion models, deep fakes, modèles de langage, …).

Les projets de recherche sont développés sur les systèmes informatiques opérés en propre par le PEReN et peuvent, lorsque nécessaire, faire appel à des ressources de supercalculateurs affectées au PEReN (supercalculateur Jean-Zay de l’IDRIS). Vous serez également amené(e) à devoir développer sur des systèmes multi-GPU (data-parallelisation ou aussi model-parallelisation).

Compte tenu de votre connaissance de ces sujets, vous participerez également à la veille scientifique et technique sur les modèles de deep learning et contribuerez à la montée en compétence de l’équipe sur ces sujets avec les lead recherche et lead data scientist.

Vous disposez d’une première expérience professionnelle et êtes titulaire d'un Doctorat en informatique, en mathématiques, ou en physique, ou avez un Master Universitaire ou un diplôme d'ingénieur et possédez les compétences suivantes :

·    en programmation : très bonnes pratiques de développement en Python (au moins 3 années d’expérience professionnelle) ; expérience en software engineering (au moins 2 années) et en projets de intensive computing et big data (au moins 2 années).

· en deep learning : maîtrise des derniers développements des modèles de vision par ordinateur et des principaux grands modèles de langage ainsi que de leurs spécificités ; expérience de conception et d’entraînement de modèles de deep learning, utilisation des bibliothèques usuelles (PyTorch, Tensorflow) ;

·    Utilisation avancée de Git comme outil de gestion de versions.

Les expériences suivantes seront considérées comme des atouts sans pour autant être strictement requises dans le contexte de cette fiche de poste :

·    La participation à des projets associatifs ou de logiciels libres (mainteneur, contributeur, animation de communauté, …) ;

· Une expérience au sein de projets de recherche académique ou privée ;

· la maîtrise d’autres langages de programmation.

Art 322-2°du CGFP