R&D Intern
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.
Offre de stage de recherche de master d’une durée de 4 à 6 mois, débutant en hiver 2026-2027. Ce document liste les possibles directions pour le stage ,qui seront ajustées au fil du stage . Le stage aura lieu au sein du centre de recherche d’Artefact à Paris.
L’objectif est d'étudier les réseaux de neurones dans un cadre où l’on souhaite garantir l'indépendance des prédictions vis-à-vis d'une variable sensible continue (telle que l'âge , le revenu , la couleur de peau , etc.).
Présentation d’Artefact :
Artefact est une société internationale de services autour de la data , spécialisée dans le conseil en transformation data , dont la mission est de transformer la donnée en délivrant des résultats tangibles sur l’ensemble de la chaîne de valeur des entreprises . L’approche unique d’Artefact , qui fait le pont entre la donnée et le business , permet à nos clients d’atteindre leurs objectifs business de façon dédiée et efficace . Nos 2500 employés allient leurs compétences pluridisciplinaires au profit de l’innovation business des entreprises . Nos technologies de pointe en Intelligence Artificielle , nos méthodes agiles garantissent le succès des projets IA de nos clients , de la conception au déploiement , jusqu’à la formation et l’accompagnement au changement.
Sujet :
Les réseaux de neurones sont aujourd'hui au cœur de nombreuses applications industrielles . Leur capacité à extraire des représentations riches à partir des données en fait des outils de choix , mais elle les rend aussi susceptibles d'encoder et d'amplifier des biais présents dans les données d'apprentissage , renforçant ainsi des discriminations chez les populations traitées par ces modèles [1]. Cet enjeu est un domaine de recherche dénommé fairness , et est particulièrement dynamique , avec la réglementation des modèles d’IA qui évolue , comme par exemple avec l’AI Act de l’Union Européenne.
Pour mesurer et mitiger les biais discriminatoires dans les modèles , la littérature s'est majoritairement concentrée sur des variables sensibles binaires ou catégorielles (genre , origine ethnique , etc.) , pour lesquelles les groupes sont bien définis [2-5]. Cependant de nombreuses variables sensibles sont intrinsèquement continues : l'âge , le revenu , ou encore la couleur de peau . Discrétiser ces variables en groupes est une pratique courante mais problématique : le choix des seuils est arbitraire , de l'information est perdue , et un modèle peut sembler équitable pour un découpage donné tout en restant fortement biaisé pour un autre [6]. Contrôler la dépendance entre les sorties d'un modèle et une variable continue reste un problème ouvert , notamment pour les réseaux de neurones , où il faut à la fois mesurer cette dépendance et la pénaliser de façon différentiable au cours de l'apprentissage.
Durant ce stage , le/la stagiaire explorera les méthodes de réduction des biais par rapport à une variable sensible continue pour des réseaux de neurones . Le travail commencera par l'implémentation des méthodes existantes (régularisations basées sur des mesures de dépendance telles que la corrélation maximale de Hirschfeld-Gebelein-Rényi ou “Generalized Disparate Impacte” , etc.) , listées dans les références [7-8] , et par la mise en place d'un protocole robuste pour les comparer , en tenant compte du compromis entre performance et fairness . Dans un second temps , le stage se concentrera sur la conception et l'expérimentation de nouvelles méthodes de réduction de biais adaptées aux variables continues . Pour cela , le/la stagiaire pourra s'appuyer sur des bibliothèques open source (PyTorch , scikit-learn) , afin de rester dans un cadre de code reproductible et facile à adopter.
Pré-requis
Le
profil recherché
pour ce poste est le suivant :
- BAC+4/BAC+5 : Formation en mathématiques appliquées , statistiques ou machine learning au sein d’une université ou école d’ingénieur
- Stage de césure ou stage de fin d’études
- Date de début : Hiver 2026-2027
- Durée : 4 à 6 mois