Chargé-e de recherche en statistique et intelligence artificielle pour la génétique animale

Retour à la liste des postes de la campagne

Présentation d'INRAE

L’Institut national de recherche pour l’agriculture, l’alimentation et l’environnement (INRAE) est un établissement public de recherche placé sous la double tutelle du ministère en charge de l’agriculture et du ministère en charge de la recherche. 

C'est un acteur majeur de la recherche et de l’innovation créé le 1er janvier 2020. Institut de recherche finalisé issu de la fusion entre l’Inra et Irstea, INRAE rassemble une communauté de 12 000 personnes, avec 268 unités de recherche, de service et expérimentales, implantées dans 18 centres sur toute la France. 

L’institut se positionne parmi les tout premiers leaders mondiaux en sciences agricoles et alimentaires, en sciences du végétal et de l’animal, et se classe 11ème mondial en écologie-environnement. Face à l’augmentation de la population, au changement climatique, à la raréfaction des ressources et au déclin de la biodiversité, INRAE construit des solutions pour des agricultures multi-performantes, une alimentation de qualité et une gestion durable des ressources et des écosystèmes.

Environnement de travail, missions et activités

Vous intégrerez l’unité mixte de recherche Génétique Animale et Biologie Intégrative (GABI, 115 permanents), dont les recherches visent à comprendre et exploiter la variabilité génétique des animaux domestiques pour faciliter la transition agro-écologique des élevages. Au sein de cette unité, vous rejoindrez l’équipe GIBBS « Génomique, Biodiversité, Bioinformatique, Statistique » qui réunit des chercheurs spécialistes de l’analyse de données -omiques complexes et hétérogènes. Pour développer vos travaux, vous partagerez votre temps entre cette équipe et l’équipe SOLsTIS « Statistical mOdelling and Learning for environmenT and lIfe Sciences » de l’unité Mathématiques et Informatique Appliquées Paris-Saclay (MIA Paris-Saclay, 40 permanents), dont les recherches visent à développer des méthodes statistiques et informatiques de pointe pour répondre à des questions scientifiques en sciences du vivant.

Vous conduirez des projets de développements méthodologiques en sciences des données, intelligence artificielle et apprentissage statistique pour analyser des données phénomiques complexes, hétérogènes et à haute résolution issues de l’agriculture de précision. Vous concevrez de nouvelles méthodes ou améliorerez des approches existantes pour intégrer ces multiples données (mesures de caractères divers à haut-débit et en continu, images, enregistrements de capteurs, données multi-omiques de l’hôte et/ou de son microbiote, données environnementales, …). Vos travaux viseront à quantifier, caractériser, et prédire des caractères clés pour la transition agro-écologique des élevages et leur adaptation au changement climatique (résilience et capacités adaptatives diverses contribuant au bien-être des animaux, diminution de l’impact environnemental, …). Vous bénéficierez de l’environnement scientifique des deux équipes GIBBS et SOLsTIS, et renforcerez leur dynamique commune de recherche, organisée en particulier autour de l’analyse de données hétérogènes et de grande dimension en vue d’une meilleure compréhension et caractérisation de la variabilité génétique et environnementale des phénotypes des animaux domestiques.

Vous travaillerez en complémentarité avec les scientifiques de GiBBS, qui ont une expertise en analyses multivariées de données -omiques et inférence de réseaux, et les scientifiques de SOLsTIS, qui apporteront leurs compétences sur les algorithmes d’apprentissage statistique et profond, ouverts sur l’intelligence artificielle, le machine learning et les méthodes d’optimisation correspondantes. Vous interagirez également avec les généticiens de l’unité GABI lors de la conception et l’élaboration des projets de recherche, et pour l’interprétation de leurs résultats. Dès votre arrivée, vous serez impliqué dans des projets en cours en lien avec le bien-être animal et des caractères d’adaptation des animaux à différents environnements. Vous aurez accès aux plateformes de calcul des sites INRAE.

En cohérence avec la politique INRAE en matière de science ouverte, vous valoriserez vos travaux de recherche par des publications et mettrez à disposition des packages R/Python afin de permettre une large diffusion des méthodes développées.

Vous vous appuierez sur le riche réseau de collaborations méthodologiques déjà établi par les équipes d’accueil GIBBS et SOLsTIS et l’élargirez à différents niveaux : local, national et international. Vous interviendrez dans des formations (masters, écoles-chercheurs) et des encadrements de stagiaires et de doctorants.

Votre équipe vous en dit plus sur votre futur job

Formations et compétences recherchées

Concours ouvert aux candidats titulaires d’un doctorat (ou équivalent).

Titulaire d’un doctorat (ou équivalent) en Biostatistique / Mathématiques Appliquées / Intelligence Artificielle, avec une excellente formation en apprentissage statistique et science des données, vous avez un fort intérêt pour la modélisation de données biologiques, et de très bonnes compétences en programmation (langages R/Python).

La maîtrise de l’anglais est souhaitée ainsi qu’une expérience internationale de longue durée : les lauréats qui n’en auraient pas encore eu devront réaliser un séjour à l’étranger à l’issue de l’année de stage.

Votre qualité de vie à INRAE

En rejoignant INRAE, vous bénéficiez :

- de 30 jours de congés + 15 RTT par an (pour un temps plein)
- d'un soutien à la parentalité : CESU garde d'enfants, prestations pour les loisirs ;
- de dispositifs de développement des compétences : formation, conseil en orientation professionnelle ;
- d'un accompagnement social : conseil et écoute, aides et prêts sociaux ;
- de prestations vacances et loisirs : chèque-vacances, hébergements à tarif préférentiel ;
- d'activités sportives et culturelles ;
- d'une restauration collective.

Consultez notre guide pour faciliter la venue et le séjour des scientifiques internationaux à INRAE