Ingénieur en IA Générative et Systèmes Multi-Agents (H/F)

L’unité U1331 recrute un(e) ingénieur(e) de recherche en intelligence artificielle pour rejoindre le projet AGORA (AGentic Orchestration for Research and Clinical Applications in Oncology).

L’ambition du projet vise à concevoir et valider l'une des premières plateformes agentiques entièrement dédiées à la recherche biomédicale et à l'oncologie de précision, capable d'explorer des données biologiques complexes, d'intégrer les connaissances médicales les plus récentes, d'assister l'interprétation de profils moléculaires et de générer de nouvelles hypothèses de recherche. Cette plateforme combinera grands modèles de langage (LLMs), bases de connaissances biomédicales, outils bioinformatiques, données multi-omiques et données cliniques pour répondre à des problématiques complexes en oncologie.

Le projet réunit à la fois des spécialistes en IA, machine learning et sciences des données, des experts en intégration et gouvernance de données de santé, des chercheurs en biologie des systèmes et modélisation mécanistique, ainsi que des oncologues impliqués quotidiennement dans la prise en charge de patients en médecine de précision.

Le(a) candidat(e) retenu(e) travaillera à l’interface des différents partenaires et intégrera la plate-forme de bioinformatique et l’unité U1331 (Oncologie Computationelle) composée de chercheurs en biologie computationelle, bioinformatique, et intelligence artificielle.

Le poste est au cœur du projet et vise à concevoir les briques scientifiques et technologiques de cette nouvelle génération d’assistants IA.

Votre rôle est de :

·         Concevoir et développer des architectures multi-agents pour des applications biomédicales.

·         Évaluer et benchmarker différents modèles de langage et frameworks agentiques.

·         Développer des workflows intégrant :

◦         Du raisonnement multi-étapes,

◦         RAG (Retrieval-Augmented Generation),

◦         Des outils bioinformatiques et de modélisation biologique,

◦         Des modèles prédictifs (machine learning).

·         Interfacer les agents avec des bases de connaissances biomédicales, des pipelines d’analyse et des ressources HPC.

·         Définir des protocoles d’évaluation de la qualité des réponses, de l’explicabilité et de la robustesse des systèmes.

·         Collaborer étroitement avec des biologistes, cliniciens, bioinformaticiens et ingénieurs données.

·         Contribuer à des publications scientifiques et à de futurs projets dans le domaine.