Post-doctorat : modélisation et intelligence artificielle (H/F)

Vous exercerez votre activité au sein de l'Unité Mixte de Recherche Épidémiologie des maladies animales et zoonotiques, reconnue pour ses travaux combinant études de terrain, modélisation mécaniste, analyses spatiales et approches génomiques. Vous serez basé.e sur le campus de VetAgro Sup, à Marcy-l'Etoile, à proximité de Lyon, et travaillerez principalement avec Francesco PINOTTI, Xavier BAILLY, Guillaume FOURNIE et Julien THEZE. Vous collaborerez également avec plusieurs partenaires français et européens dans le cadre de deux projets auxquels ce poste est rattaché :

- Le projet européen Horizon Europe GeoAI4EI (GeoAI Toolbox for Epidemic Intelligence) vise à développer une nouvelle génération d'outils d'intelligence artificielle et de modélisation pour renforcer la préparation et la réponse aux crises sanitaires à l'échelle européenne. Le projet rassemble des partenaires majeurs dans les domaines de l'intelligence artificielle, l'analyse spatiale, la surveillance épidémiologique et la santé publique.
- Le projet ANR CRISPOX vise à développer des modèles de transmission du virus de la dermatose nodulaire contagieuse chez les bovins en France en les calibrant à l'aide de méthodes d'inférence innovantes, afin d'évaluer différentes stratégies de surveillance et de contrôle.

Votre mission principale consistera à développer une nouvelle génération de méthodes d'inférence fondée sur la simulation, mobilisant les avancées récentes de l'intelligence artificielle pour calibrer des modèles mécanistes spatialisés de propagation d'agents pathogènes à partir de sources de données multiples. Les approches développées devront permettre de mettre à jour les estimations et d'actualiser les projections en temps quasi-réel, à mesure que de nouvelles données deviennent disponibles.

Vous contribuerez plus particulièrement au développement de méthodes reposant sur des algorithmes d'intelligence artificielle - Neural Posterior Estimation (NPE), Neural Likelihood Estimation (NLE) et d'autres méthodes apparentées - permettant l'intégration simultanée de données hétérogènes : données épidémiologiques telles que l'incidence ou la séroprévalence, données génomiques et résultats d'analyses phylodynamiques, données démographiques et de mobilité des populations hôtes, données environnementales et géospatiales, informations relatives aux interventions sanitaires.

Niveau de diplôme minimum requis : Doctorat

Formation recommandée : Doctorat en épidémiologie, écologie, statistiques, intelligence artificielle, physique, mathématiques appliquées ou dans une discipline quantitative apparentée.

Connaissances souhaitées : Solides connaissances dans au moins deux des domaines suivants : modélisation mécaniste, inférence bayésienne et/ou basée sur les simulations, apprentissage profond, modélisation phylodynamique et analyses génomiques. Une bonne maîtrise de Python et/ou de R est attendue, ainsi qu'une expérience avec plusieurs des outils ou environnements suivants : PyTorch, JAX, Pyro, sbi, Stan, Git et Linux.

Expérience appréciée : Expérience en modélisation appliquée à la dynamique de transmission d'agents pathogènes au sein de populations humaines ou animales structurées. Une expérience de l'intégration de bases de données complexes pour la calibration de modèles, ainsi que du développement de pipelines d'analyse reproductibles constituera également un atout.

Conditions particulières d'exercice : Le poste implique des interactions régulières avec les partenaires français et européens des consortiums GeoAI4EI et CRISPOX. Des déplacements ponctuels en France et en Europe seront à prévoir pour participer aux réunions de projet, aux ateliers méthodologiques et aux conférences scientifiques. Une organisation en télétravail partiel est possible conformément aux règles en vigueur au sein de l'institut.