Doctorant en Informatique (H/F) - Inférence causale explicable et prédiction pour les processus de synthèse de données géopolymères
Nouveau
- CDD Doctorant
- 36 mois
- BAC+5
This offer is available in English version
Cette offre est ouverte aux personnes disposant d’un titre leur reconnaissant la qualité de travailleur handicapé ou travailleuse handicapée.
L'offre en un coup d'oeil
L'unité
Laboratoire d'informatique en image et systèmes d'information
Type de Contrat
CDD Doctorant
Temps de Travail
Complet
Lieu de Travail
69622 VILLEURBANNE
Durée du contrat
36 mois
Date d'Embauche
01/10/2026
Rémuneration
La rémunération est de 2300,00 € mensuel (brut)
Postuler Date limite de candidature : jeudi 10 septembre 2026 23:59
Description du Poste
Sujet De Thèse
Le projet GEOLIANT (France 2030) vise à développer un outil d'intelligence artificielle pour accélérer la conception de formulations géopolymères, en prédisant leurs propriétés techniques (porosité, résistance mécanique, durabilité), environnementales (analyse de cycle de vie) et économiques (coût, viabilité), et en identifiant de façon bidirectionnelle des formulations candidates à partir de propriétés cibles souhaitées.
Les analyses actuellement disponibles sur les données du projet — qu'elles soient issues des partenaires, de la littérature, ou augmentées/générées par d'autres travaux du projet — permettent d'identifier des corrélations entre paramètres de formulation (composition des précurseurs, ratios Na₂O/SiO₂, conditions de cure) et propriétés du matériau, mais ne suffisent pas à garantir la fiabilité des recommandations de conception : une corrélation ne permet pas de savoir si modifier un paramètre changera réellement une propriété. Cette limite est d'autant plus critique que l'objectif final du projet — la conception inverse de formulations à partir de propriétés cibles — repose implicitement sur des relations causales.
L'objectif de la thèse est de développer des méthodes d'inférence causale explicable sur le datalake propriété-graphe du projet, afin d'identifier les relations causales (et non simplement corrélationnelles) entre paramètres de formulation et propriétés du matériau, et de produire des modèles de prédiction dont les résultats soient interprétables par les experts du domaine. Les travaux porteront notamment sur la découverte causale à partir de données observationnelles hétérogènes et partiellement incomplètes, la représentation de chaînes causales sous forme de chemins dans le graphe de propriétés, et la production d'explications exploitables aussi bien pour la prédiction directe (formulation → propriétés) que pour la conception inverse (propriétés cibles → formulations candidates).
Le/la doctorant·e s'appuiera sur le datalake propriété-graphe du projet et travaillera en lien étroit avec les autres doctorant·e·s du projet, les modèles causaux et prédictifs développés s'appuyant directement sur les données consolidées et augmentées produites par ailleurs. Les travaux combineront inférence causale, apprentissage automatique explicable, apprentissage sur graphes, et une forte dimension interdisciplinaire avec les experts en science des matériaux du consortium (LMDC), nécessaire pour valider la plausibilité physico-chimique des relations causales identifiées.
Votre Environnement de Travail
La thèse s'inscrit dans le cadre du projet GEOLIANT, soutenu par BPI France dans le programme France 2030, visant à développer et industrialiser des liants géopolymères bas-carbone à partir de déchets de chantier, en alternative durable au ciment traditionnel fortement émetteur de CO₂. Le projet repose sur le développement de formulations innovantes et sur la mise en place d'outils numériques et prédictifs basés sur l'intelligence artificielle afin d'accélérer la recherche, l'évaluation et la validation des performances.
Le doctorant ou la doctorante sera rattaché·e au laboratoire LIRIS et travaillera au sein d'un consortium académique et industriel associant des acteurs du génie civil, des matériaux et de l'environnement. Les travaux de thèse s'inscriront dans un environnement pluridisciplinaire, à l'interface entre informatique (inférence causale, apprentissage automatique, graphes) et ingénierie des matériaux.
La thèse sera menée en interaction étroite avec les partenaires du projet, dans un cadre favorisant la co-conception, la validation experte et le transfert des résultats vers des applications opérationnelles, notamment dans le contexte de chantiers pilotes. Elle offre un environnement de recherche stimulant, combinant contributions méthodologiques et impact industriel et environnemental.
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.
Contraintes et risques
Thèse menée dans le cadre d'un projet collaboratif multi-partenaires, impliquant des contraintes de coordination, de planification et de dépendance aux contributions des partenaires.
Dépendance à la qualité et à la disponibilité des données consolidées et augmentées par ailleurs dans le projet (données partenaires, littérature extraite, données générées), dont l'hétérogénéité et le caractère partiellement incomplet conditionnent directement l'identifiabilité et la robustesse des modèles causaux.
Risque inhérent à l'inférence causale à partir de données observationnelles : absence de garantie a priori d'identifiabilité causale en présence de facteurs de confusion non observés, nécessitant des hypothèses explicites et une validation itérative avec les experts en science des matériaux du consortium.
Difficulté à évaluer la validité causale et la qualité des explications produites dans un domaine où les mécanismes physico-chimiques sous-jacents ne sont pas toujours entièrement établis, pouvant nécessiter des choix méthodologiques et techniques évolutifs (algorithmes de découverte causale, méthodes d'explicabilité).
Nécessité d'un équilibre entre automatisation par l'IA et validation humaine, pouvant allonger certaines phases expérimentales.
Contraintes liées aux jalons et livrables contractuels du projet financé par BPI France / France 2030.
Interdisciplinarité du sujet, demandant un temps d'appropriation des notions en science des matériaux et en génie civil.
Déplacements ponctuels possibles pour réunions, ateliers ou validations chez les partenaires du projet.
Rémunération et avantages
Rémunération
La rémunération est de 2300,00 € mensuel (brut)
Congés et RTT annuels
44 jours
Pratique et Indemnisation du TT
Pratique et indemnisation du TT
Transport
Prise en charge à 75% du coût et forfait mobilité durable jusqu’à 300€
À propos de l’offre
| Référence de l’offre | UMR5205-ANDMAU-005 |
|---|---|
| Section(s) CN / Domaine de recherche | Sciences informatiques : fondements de l'informatique, calculs, algorithmes, représentations, exploitations |
À propos du CNRS
Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d’associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement.
Créer une alerte
Ne manquez aucune opportunité de trouver le poste qui vous correspond. Inscrivez-vous gratuitement et recevez les nouvelles offres directement dans votre boite mail.