Ingénieur.e (H/F) en apprentissage sur graphes

Informations générales

Organisme de rattachement

CNRS  

Référence

UMR6074-NICKER-007  

Date de début de diffusion

/12/2025

Date de parution

/12/2025

Date de fin de diffusion

/01/2026

Versant

Fonction Publique de l'Etat

Catégorie

Catégorie A (cadre)

Nature de l'emploi

Emploi ouvert uniquement aux contractuels

Domaine / Métier

Recherche - Experte / Expert en information statistique

Statut du poste

Vacant

Intitulé du poste

Ingénieur.e (H/F) en apprentissage sur graphes

Descriptif de l'employeur

Le Centre national de la recherche scientifique est un organisme public de recherche pluridisciplinaire placé sous la tutelle du ministère de l'Enseignement supérieure et de la Recherche. Créé en 1939 et dirigé par des scientifiques, il a pour mission de faire progresser la connaissance et être utile à la société dans le respect des règles d'éthique, de déontologie et d'intégrité scientifique.

Description du poste

Missions :
Plusieurs concepts de géométrie Riemannienne ont récemment trouvé des applications en apprentissage, et notamment en apprentissage profond sur graphes, tels que la courbure d'Ollivier-Ricci. Par exemple, la notion locale de delta-hyperbolicité, qui mesure la similarité locale entre un graphe et un arbre, a été exploitée pour traiter le problème d'over-squashing. Une limite fondamentale de cette notion est sa nature combinatoire, qui rend difficile son intégration dans les algorithmes d'apprentissage. Récemment, une approximation différentiable de cette notion a été proposée [1], et étudiée de manière essentiellement théorique.

La mission du candidat est de développer le code associé à cette nouvelle approximation, de l'intégrer et de la tester dans des algorithmes profonds d'apprentissage sur graphes.

[1] Pierre Houedry, Nicolas Courty, Florestan Martin-Baillon, Laetitia Chapel, and Titouan Vayer. Bridging arbitrary and tree metrics via differentiable gromov hyperbolicity. In The Thirty-ninth Annual Conference on Neural Information Processing Systems, 2025
Activités :
Intégrer la notion d'hyperbolicité locale dans les benchmark classiques des réseaux de neurones profond sur graphes, optimiser l'efficacité et la scalabilité des algorithmes d'entraînement.
Contexte de travail :
Le candidat sera rattaché à l'équipe COMPACT de l'IRISA.
A propos du laboratoire
=============

L'IRISA est l'un des plus grands laboratoires de recherche français (plus de 850 personnes) dans le domaine de l'informatique et des technologies de
l'information. Structuré en sept départements scientifiques, l'IRISA est un laboratoire d'excellence dont les priorités scientifiques sont la bio-
informatique, la sécurité des systèmes, les nouvelles architectures logicielles, la réalité virtuelle, l'analyse des Big Data et l'intelligence artificielle.
Tourné vers l'avenir des technologies de l'information et ouvert sur l'international, l'IRISA est au cœur de la transition numérique de la société et de
l'innovation dans les domaines de la cybersécurité, de la santé, de l'environnement et de l'écologie, des transports, de la robotique, de l'énergie, de la
culture et de l'intelligence artificielle.

Présentation du CNRS en tant qu'employeur :
L'IRISA comme laboratoire d'affectation :

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la
réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.

Conditions particulières d'exercice

Le Centre national de la recherche scientifique est l'une des plus importantes institutions publiques au monde : femmes et hommes (plus de 1 000 laboratoires et 200 métiers), en partenariat avec les universités et les grandes écoles, y font progresser les connaissances en explorant le vivant, la matière, l'Univers et le fonctionnement des sociétés humaines. Depuis plus de 80 ans, y sont développées des recherches pluri et interdisciplinaires sur tout le territoire national, en Europe et à l'international. Le lien étroit que le CNRS tisse entre ses missions de recherche et le transfert vers la société fait de lui un acteur clé de l'innovation en France et dans le monde. Le partenariat qui le lie avec les entreprises est le socle de sa politique de valorisation et les start-ups issues de ses laboratoires (près de 100 chaque année) témoignent du potentiel économique de ses travaux de recherche.

Descriptif du profil recherché

Competences :
Une bonne maîtrise de Pytorch. Une expérience en apprentissage sur graphes et Pytorch Geometric est un plus.
Contraintes et risques :

Temps plein

Oui

Rémunération contractuels (en € brut/an)

entre 2496€ et 2662 selon expérience

Localisation du poste

Europe, France, Bretagne, Ille et Vilaine (35)

Géolocalisation du poste

RENNES

Lieu d'affectation (sans géolocalisation)

35042 RENNES (France)

Critères candidat
Niveau d'études / Diplôme

Niveau 7 Master/diplômes équivalents

Spécialisation

Informatique, traitement de l'information, réseau de transmission des données

Langues

Français (Seuil)

---