Ingénieur·e Algorithmes & Biostatistiques

Créée en juillet 2025, Elevari est une start-up qui développe une plateforme SaaS d'analyse de cytométrie en flux basée sur l'intelligence artificielle, au service de l'accélération de la recherche et du développement de médicaments (immuno-oncologie, hématologie, maladies auto-immunes, vaccins, thérapies cellulaires et géniques). 

La cytométrie en flux est la technique de référence pour caractériser les cellules immunitaires présentes dans un échantillon ; mais si les instruments mesurent aujourd'hui plus de 40 marqueurs par cellule, l'analyse, elle, reste manuelle, chronophage (plusieurs heures par analyse complexe) et variable d'un laboratoire à l'autre.

Elevari identifie automatiquement les populations cellulaires directement à partir des données brutes, au moins 5× plus vite que les solutions traditionnelles et de façon entièrement reproductible, sans données d'entraînement annotées.

Elevari est portée par une équipe fondatrice au fort niveau scientifique et technique. Nous recrutons nos tout premiers employés : une occasion rare de rejoindre une deeptech à ses débuts, de façonner le produit et la culture technique avec une grande autonomie.

Pour accompagner la croissance de notre plateforme et relever de nouveaux défis technologiques, nous cherchons notre prochain·e Ingénieur·e Algorithmes & Biostatistiques pour concevoir le futur de notre module PRISM.

Elevari repose sur plusieurs moteurs algorithmiques propriétaires : SAGE (génération de stratégies de gating), DELPHI (conception de panels), PRISM (auto-gating et identification des populations cellulaires) et ARTEMIS (reporting et analyse automatisés).

Nous recrutons pour renforcer l’équipe en charge du module PRISM.

PRISM est le moteur d'analyse automatisée de fichiers FCS (Flow Cytometry Standard) d'Elevari. À partir de données de cytométrie haute dimension (jusqu’à 40+ marqueurs), il identifie automatiquement les populations cellulaires immunitaires.

Le moteur mobilise des méthodes d'apprentissage non supervisé, de statistique appliquée et de calcul scientifique accéléré sur GPU, sur de très grands volumes d'événements (plus d'un million). Vous rejoindrez l'équipe pour faire progresser la robustesse, la précision et les performances de ces méthodes, et les valider face au gating manuel réalisé par des experts.

La codebase PRISM représente environ 34 500 lignes de Python scientifique.

 

Missions principales

- Améliorer les méthodes de clustering et de détection de populations : robustesse, réglage automatique des paramètres, gestion des populations rares.

- Concevoir et valider des algorithmes d'appariement entre clusters et populations cibles.

- Développer et calibrer des tests et métriques biostatistiques pour la discrimination des populations et le contrôle qualité.

- Améliorer la réduction de dimension et la visualisation des données en haute dimension.

- Concevoir la résolution des cas ambigus (cellules situées à la frontière entre populations).

- Optimiser les traitements pour le GPU : accélération et gestion mémoire pour des jeux de données de plus d'un million d'événements.

- Valider sur données réelles : validation croisée sur panels multi-espèces (humain, souris, primate non humain), benchmarks face au gating manuel expert, métriques de qualité (pureté, rappel, F1 par population).

Profil recherché

- Formation Bac+5 / Doctorat en biostatistiques, bio-informatique, mathématiques appliquées ou informatique (spécialisation données biologiques) — les jeunes docteurs sont les bienvenus.

- Solide base en statistiques appliquées et en algorithmes.

- Expérience de l'analyse de données biologiques en haute dimension.

- Intérêt pour l'immunologie computationnelle.

- Capacité à implémenter des algorithmes publiés et à en concevoir de nouveaux.

- Rigueur dans la validation (benchmarks, métriques, reproductibilité).

- Profil polyvalent et autonome : en contexte de start-up, capacité à prendre en charge son périmètre de bout en bout, du développement au déploiement cloud (GCP) et à la CI/CD GitLab, sans se cantonner à une spécialité.

 

Compétences requises

- Python scientifique : NumPy, SciPy (stats, spatial, optimize), scikit-learn, pandas.

- Biostatistiques : Tests d'hypothèse, tailles d'effet, distributions, statistiques robustes, comparaisons multiples.

- Apprentissage non supervisé : Clustering et détection de communautés (p. ex. k-means, Louvain/Leiden), gestion de données bruitées.

- Réduction de dimension : Principes et mise en œuvre (p. ex. PCA, UMAP).

- Calcul GPU : CuPy, RAPIDS ou concepts CUDA — accélération de calcul scientifique.

- Optimisation : Problèmes d'affectation, recherche d'hyperparamètres, optimisation numérique.

- Données haute dimension : Manipulation de grands volumes, pipelines reproductibles.

- Cloud & CI/CD : Autonomie sur le cloud (GCP) et la CI/CD GitLab : pipelines, conteneurisation Docker, exécution de traitements GPU.

Compétences souhaitées

- Cytométrie en flux : format FCS, compensation, spillover, transformation, marqueurs de surface/intracellulaires.

- Immunologie : hiérarchie des populations cellulaires, marqueurs de lignée.

- Analyse single-cell (scRNA-seq, CyTOF) — méthodes transférables.

- CUDA C/C++ pour l'optimisation de kernels critiques.

- Visualisation scientifique (matplotlib, Plotly).

- Statistiques bayésiennes.

- Publication scientifique dans un domaine pertinent.

Ce que nous offrons : 

- Un rôle à fort impact dans une équipe fondatrice de haut niveau scientifique et technique.

- La possibilité de participer au capital via des BSPCE (bons de souscription de parts de créateur d'entreprise), selon le profil.

 - Une grande autonomie sur des sujets de pointe, à l'intersection de l'IA et des sciences du vivant.

- Une organisation souple : hybride à Paris, avec 2 jours de télétravail par semaine.