Chef de projet ou expert en ingénierie logicielle H/F Contrat post-doctorat
Enregistrez cette offre et organisez votre recherche
Créez un compte gratuit pour enregistrer des offres d'emploi, créer des alertes et revenir à cette liste depuis votre tableau de bord.
En continuant, vous acceptez nos Conditions d’utilisation & Politique de confidentialité.
L’Université d'Artois est implantée sur différents points du territoire du Nord-Pas de Calais : Arras (siège), Béthune, Douai, Lens et Liévin. Elle comprend huit UFR, deux IUT, une école d'ingénieurs, un service de formation continue (FCU) et quinze centres de recherche. Depuis sa création en 1992, l’Université d'Artois s’impose comme un acteur de promotion sociale et bénéficie d’un environnement convivial et stimulant propice aux études et à la culture.
Placée sous la tutelle du ministère de l’enseignement supérieur et de la recherche, l'Université d'Artois accueille 13 000 étudiants et emploie un peu plus de 1 000 personnes. Elle est dotée d’un budget de 116 M€, dont 89 M€ de masse salariale et 7 M€ d’investissements.
L’ensemble des postes à pourvoir publiés par l’Université d'Artois est ouvert aux bénéficiaires de l’obligation d’emploi, en application des dispositions des articles L. 5212-13 et L.5212-2 du Code du Travail.
Missions:
Dans le cadre du projet de recherche, vous contribuerez à la tâche « Interprétation desmécanismes internes des modèles », qui vise à analyser et comprendre en profondeur lefonctionnement interne des modèles d’IA, en établissant des correspondances explicitesentre leurs structures internes (poids, activations, gradients) et des concepts humainsinterprétables. L’objectif est de dépasser l’interprétabilité purement comportementale pourconstruire une compréhension mécanistique et causale, essentielle à la transparence et àla fiabilité des systèmes IA. Votre travail s’inscrira dans un plan en trois étapescohérentes :
- Cartographier et comprendre les représentations internes des modèles IA, enidentifiant les alignements entre modalités et le désentrelacement des conceptslatents.
- Analyser la dynamique d’apprentissage et concevoir des architectures favorisant à lafois performance et interprétabilité.
- Appliquer la compréhension mécanistique au raisonnement avancé, en rendant leraisonnement implicite lisible et en réduisant les hallucinations.