Ingénieure.e recherche en Science des données et IA H/F

Si on vous dit… Prix Nobel ?
Top 10 mondial des dépôts de brevets pour le recyclage des plastiques ?
Pionnier de la recherche en captage/stockage du CO2 ?
Au cœur de de 100 partenariats industriels ?
La réponse est IFP Energies nouvelles (IFPEN) !

Venez contribuer à une recherche répondant aux enjeux énergétiques, disposant d'équipements de pointe.
Trouvez du sens en intégrant un collectif engagé au service de la transition écologique.
>>> Rejoignez-nous !

Nous sommes 1600 collaborateurs répartis sur 2 centres de recherche : Rueil-Malmaison (92 - proche Paris) & Solaize (69 - proche Lyon).

L'ouverture et la diversité font notre force.
Intégrez une entreprise inclusive favorisant l'emploi des personnes en situation de handicap.
Vivez l'égalité professionnelle IFPEN = 100 sur 100 sur l'index Egalité femmes-hommes.
Découvrez notre accord télétravail jusqu'à 2,5 jours par semaine.

IFP Energies nouvelles, ensemble pour développer aujourd'hui les innovations de demain.

Le département de mathématiques appliquées d'IFP Energies Nouvelles recherche un(e) ingénieur(e) de recherche pour renforcer ses équipes, doté(e) d'une expertise en Scientific Machine Learning. Cette expertise est essentielle au développement de solutions innovantes liées aux énergies nouvelles, à la mobilité durable et à la transition énergétique.
Le poste est rattaché à la Direction Sciences et Technologies du Numérique.

Vous participerez à des projets de recherche de haut niveau en intelligence artificielle, en lien avec différentes applications stratégiques d'IFPEN, notamment :
Eolien
Stockage géologique du CO2
Batteries
Biocarburants
Combustion d'hydrogène

Vos travaux porteront sur le développement de méthodes d'apprentissage profond pour l'analyse de données expérimentales (observations et mesures) ainsi que pour la modélisation et la simulation numérique de systèmes physiques complexes.
Parmi les thématiques ciblées :
Modèles d'apprentissage pour la résolution d'équations aux dérivées partielles (opérateurs neuronaux, modèles hybrides)
Intégration de connaissances physiques dans les modèles d'apprentissage (PINN, développement de nouvelles architectures, GNN)
Développement de modèles d'IA générative pour la résolution de problèmes inverses (synthèse de nouveaux matériaux, etc.)
Analyse et traitement d'images et du signal issus de mesures de laboratoire (chromatographie, RMN, etc.)

En collaboration avec des experts IA, des spécialistes applicatifs d'IFPEN et des partenaires académiques et industriels nationaux et internationaux, vous aurez un rôle central dans la conception et le déploiement de ces méthodes. Vous participerez à la rédaction d'articles scientifiques destinés à des revues internationales et à la présentation des résultats lors de conférences. Vous serez également impliqué dans l'encadrement de doctorants ainsi que dans la gestion de projets collaboratifs.

Compétences techniques et aptitudes
Compétences techniques:
Excellente maîtrise en optimisation, quantification d'incertitude, statistiques et apprentissage profond.
Connaissance approfondie des développements récents en deep learning : GNN, Transformers, modèles de diffusion latente, opérateurs neuronaux, etc.
Excellente maîtrise d'au moins un framework d'IA parmi PyTorch, JAX, TensorFlow.
Intérêt marqué pour les sciences naturelles et la simulation numérique (physique, chimie, mécanique des fluides, énergie…).
Aptitudes
Capacité à travailler en équipe dans un environnement pluridisciplinaire, en interaction avec des spécialistes d'IA, des numériciens et des experts applicatifs.
Autonomie, curiosité scientifique et goût pour l'innovation et le transfert vers l'industrie.
Excellente maîtrise de l'anglais, à l'écrit comme à l'oral.


Diplôme(s), niveau d'études :
Doctorat en mathématiques appliquées, statistiques, science des données, informatique ou discipline équivalente, avec une forte composante en apprentissage automatique / apprentissage profond.

Expérience
Débutant accepté

Déplacement
Déplacements ponctuels entre sites (Rueil-Solaize)