Chargé-e de recherche en modélisation intégrée des dynamiques de transmission et dynamique évolutive des pathogènes chez les animaux d'élevage

Retour à la liste des postes de la campagne

Présentation d'INRAE

INRAE, Institut national de recherche pour l’agriculture, l’alimentation et l’environnement, est un organisme public de recherche qui réunit 12 000 collaborateurs au sein de 272 unités réparties sur 18 centres en France. Premier organisme mondial spécialisé sur l’ensemble agriculture – alimentation – environnement, INRAE joue un rôle clé pour accompagner les transitions nécessaires face aux grands défis planétaires.

Face à l’augmentation de la population, aux enjeux de sécurité alimentaire, au changement climatique, à la raréfaction des ressources et au déclin de la biodiversité, INRAE s’engage à développer des solutions scientifiques et à accompagner l’évolution des pratiques agricoles, alimentaires et environnementales.

Environnement de travail, missions et activités

Vous intégrerez l'unité mixte de recherches l'UMR EPIA (Epidémiologie des maladies animales et zoonotiques), sur le campus VetAgro-Sup de Marcy-l'Étoile, à proximité de Lyon. L'unité conduit des travaux portant sur la dynamique de transmission et l'évolution des agents pathogènes au sein des populations animales, en mobilisant une expertise reconnue en modélisation mécaniste, phylodynamique et intelligence artificielle. Ces approches visent à reconstruire les chaînes de transmission dans des populations structurées ou entre espèces, à identifier les facteurs qui les influencent, à prédire les trajectoires épidémiques et à évaluer l'efficacité des dispositifs de surveillance et de contrôle.
En rejoignant l'unité, vous contribuerez activement à ces objectifs et collaborerez étroitement avec ses chercheurs, ingénieurs, doctorants et partenaires nationaux et internationaux. Vous bénéficierez d'un environnement de travail riche, incluant l'accès à des plateformes de calcul haute performance, à un plateau technique en biologie moléculaire, ainsi qu'à des bases de données épidémiologiques et génomiques déjà constituées. Ce poste s'inscrit pleinement dans une dynamique de recherche appliquée et partenariale, en interaction étroite avec les acteurs de la surveillance et de la gestion des maladies animales et zoonotiques, en France comme à l'étranger.
Les modèles mécanistes occupent une place centrale dans l'analyse des dynamiques de transmission des agents pathogènes au sein des populations animales, ainsi que dans l'évaluation de scénarios contrefactuels visant à identifier les stratégies de surveillance et de gestion les plus efficaces. Toutefois, la pertinence de ces modèles repose sur une paramétrisation fiable, encore largement fondée sur des données d'incidence qui sont souvent partielles ou biaisées. L'exploitation de sources de données complémentaires permettrait de renforcer la robustesse des inférences. Parmi elles, les données génomiques, qui retracent les trajectoires évolutives des pathogènes, se sont révélées précieuses pour reconstituer les patrons spatio-temporels de transmission via des approches phylodynamiques.
Cependant, l'intégration conjointe de données hétérogènes et de modèles mécanistes complexes rend les méthodes d'inférence classiques souvent inapplicables. D'autre part, les approches basées sur les simulations nécessitent des ajustements fastidieux et mobilisent d'importantes ressources de calcul, limitant leur utilisation en contexte opérationnel, où les modèles doivent être mis à jour rapidement. Dans ce contexte, vous explorerez comment ces verrous peuvent être levés en développant des modèles hybrides alliant modélisation mécaniste, phylodynamique et apprentissage automatique, afin d'améliorer l'inférence des paramètres épidémiologiques et d'affiner la compréhension et la prédiction des dynamiques de transmission.
Vous développerez des approches innovantes intégrant les processus épidémiologiques et évolutifs des pathogènes au sein de cadres de modélisation mécaniste, afin d'évaluer l'apport des données génomiques dans l'estimation de l'importance relative des différentes voies de transmission et dans l'analyse comparative de la performance des stratégies de surveillance et de gestion, par rapport à des inférences fondées uniquement sur l'incidence. Pour ce faire, vous concevrez des modèles mécanistes capables de retracer les chaînes de transmission en les confrontant à des arbres phylogénétiques construits à partir de données génomiques. Vous mettrez en œuvre des algorithmes inférentiels pour estimer les paramètres de ces modèles. Ces approches seront appliquées à plusieurs cas d'étude pour lesquels des données sont déjà disponibles, notamment la maladie hémorragique épizootique et l'influenza aviaire. En parallèle, vous explorerez l'utilisation d'architectures neuronales profondes pour l'inférence sur des modèles de complexité croissante, et vous analyserez les conditions d'identifiabilité de ces modèles en fonction des types et niveaux d'agrégation des données disponibles.
Ces travaux s'inscriront dans le cadre de projets collaboratifs déjà financés, incluant la mobilisation d'un chercheur postdoctoral pour deux ans. Ils déboucheront sur la formalisation d'un cadre méthodologique original, étendu à des systèmes à hôtes multiples et à des processus de transmission variés. Un axe prioritaire portera sur le développement de pipelines opérationnels pour la prédiction des trajectoires épidémiques et l'évaluation de scénarios contrefactuels de surveillance et de gestion. Vous contribuerez également à la diffusion des méthodes développées par la production de logiciels et de packages open source, leur transfert vers les communautés scientifiques et opérationnelles, ainsi que via des formations spécifiques à INRAE et auprès de partenaires internationaux.

Formations et compétences recherchées

Formation recommandée : Doctorat en épidémiologie, biologie computationnelle, statistiques, mathématiques appliquées ou sciences des données.
Connaissances attendues : Modélisation mécaniste de la transmission de pathogènes, méthodes d'inférence bayésienne, maîtrise d'un langage de programmation scientifique tel que Python, C++
Compétences appréciées : Expérience en modélisation phylodynamique, connaissances en apprentissage automatique, capacité à traiter des jeux de données complexes et hétérogènes
Aptitudes : Rédaction et soumission d'articles scientifiques dans des revues internationales à comité de lecture, présentation des travaux en conférences, encadrement de doctorants et jeunes chercheurs, engagement dans des projets collaboratifs, interdisciplinaires et internationaux.
Une maîtrise de l'anglais est requise. Une expérience internationale longue est souhaitée ; à défaut, un séjour à l'étranger devra être effectué 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

Modalités pour postuler

1. Je télécharge le guide Guide des candidats 2026 pdf - 3.59 Mo
2. Je note le numéro du profil CR26-SA-1
3. Je postule Espace d'inscription