Consulter les offres d’emploi

Biostatisticien(ne) / Data scientist en santé

Publiée le 03/11/2025 11:47.

CDD, Paris 12e.

Entreprise/Organisme :	Sorbonne Université - Inserm
Niveau d'études :	Master
Date de début :	01/01/2025
Durée du contrat :	12 mois renouvellables
Description :	Ce poste est à pourvoir au sein de la faculté de santé – site Saint-Antoine, au sein de l’Institut Pierre Louis d’Épidémiologie et de Santé Publique (Iplesp), https://iplesp.fr CONTEXTE L’équipe Sentinelles fait partie de l'équipe « Surveillance et Modélisation des maladies transmissibles » (SUMO) au sein de l’Institut Pierre Louis d’Épidémiologie et de Santé Publique (Iplesp), sous la tutelle de l’Inserm et de Sorbonne Université. Elle effectue des travaux de veille sanitaire et de recherche en épidémiologie, principalement dans les champs des maladies infectieuses et des soins primaires. Deux réseaux y sont coordonnés en France métropolitaine en partenariat avec Santé publique France : - le réseau Sentinelles (www.sentiweb.fr), composé de 1300 médecins généralistes et d’une centaine de pédiatres libéraux, permet la surveillance d’une dizaine d’indicateurs de santé et la mise en place d’études épidémiologiques ; - et le réseau Grippenet/Covidnet (https://www.grippenet.fr) en population générale, composé de 7 000 personnes, permet la surveillance des infections respiratoires et la mise en place d’études épidémiologiques. DENOMINATION DU POSTE Poste : Biostaticien(ne) au sein du réseau Sentinelles Localisation : Faculté de santé Sorbonne Université, site Saint-Antoine, Paris 12ème Rattachement : Iplesp - Equipe 1 « Surveillance et modélisation des maladies infectieuses » (SUMO) Date de prise de fonction : 1er janvier 2026 Rémunération : Selon l’expérience et le niveau de formation (grilles salariales de Sorbonne Université) Type de contrat : CDD temps plein d’un an renouvelable Sous la direction de la responsable du pôle « Biostatistique » de l’équipe SUMO, la personne recrutée aura plusieurs missions décrites ci-dessous. Analyse et exploitation des données de surveillance collectées par les réseaux Sentinelles et Grippenet/Covidnet • Traiter et analyser de données hebdomadaires • Interpréter les résultats et contribuer à la diffusion des indicateurs de surveillance, en collaboration avec les épidémiologistes • Développer et améliorer les outils et analyses statistiques (principalement sous R) • Optimiser l’analyse automatisée des données annuelles afin de faciliter la production d’indicateurs et de rapports. Contribution aux travaux de recherche biostatistiques sur la surveillance des maladies infectieuses • Participer activement à des projets de recherche appliquée exploitant les données du réseau Sentinelles, de Grippenet/Covidnet et d’autres sources de surveillance. • Contribuer à toutes les étapes des travaux : revue de littérature, choix et mise en œuvre des méthodes, analyses des résultats, rédaction de synthèses et d’articles scientifiques. • Les axes de recherche principaux concernent : o La prévision des incidences, en particulier des infections respiratoires aiguës (grippe, Covid, VRS) o L’inférence spatiale des incidences (production de cartes) o L’amélioration de l’estimation des incidences à partir des données disponibles • Mobiliser des méthodes issues de l’inférence bayésienne et d’autres approches modernes de la modélisation statistique. Missions transversales • Apporter un appui méthodologique et statistique sur d’autres projets de l’équipe • Contribuer à la diffusion des bonnes pratiques de traitement, d’analyse et de visualisation des données au sein de l’équipe. Postuler : adresser votre candidature (lettre de motivation + CV) à « recrutement@sentiweb.fr » par courriel, en précisant « Biostatisticien / Data scientist en santé » dans le titre du mail.
En savoir plus :	https://www.sentiweb.fr/ Fiche_Poste_Biostatisticien_RS_2026.pdf
Contact :	recrutement@sentiweb.fr

Proximité résidentielle aux espaces verts et dépression du post-partum

Publiée le 03/11/2025 11:47.

Stage, Rennes, France.

Entreprise/Organisme :	INSERM/Irset
Niveau d'études :	Master
Sujet :	Projet VERDE : Proximité résidentielle aux espaces VErts et DEpression du post-partum : médiation par la pollution atmosphérique et rôle du contexte socio-économique
Durée du contrat :	6 mois
Description :	La dépression du post-partum (DPP) touche entre 10 et 20 % des femmes, avec un pic de fréquence observé entre deux et quatre mois après l’accouchement (1). Elle peut entraîner des difficultés dans la mise en place de l’allaitement et des interactions précoces avec le nouveau-né, ayant des répercussions durables sur le lien d’attachement entre le parent et l’enfant ainsi que sur le développement neurocognitif et socioaffectif de ce dernier. Parmi les complications les plus préoccupantes figurent les idées suicidaires, rapportées chez 7 à 10 % des femmes en post-partum. Il existe de plus en plus de preuves épidémiologiques que les expositions environnementales urbaines peuvent influencer le risque de dépression chez l’adulte, mais peu d’études se sont intéressées spécifiquement à la DPP. En particulier, la proximité aux espaces naturels (verts et bleus) serait susceptible d’avoir un effet protecteur sur le risque de DPP, via la réduction du stress, de la tension artérielle, ainsi qu’en favorisant la pratique d’une activité physique et les contacts sociaux (2,3). Les effets positifs des espaces verts pourraient également être expliqués par une réduction des expositions au bruit lié au trafic routier et à la pollution atmosphérique. Les femmes enceintes présentent en effet une vulnérabilité accrue aux polluants atmosphériques : les modifications physiologiques de la grossesse – augmentation du volume sanguin, métabolisme renforcé, modulation du système immunitaire – peuvent amplifier la sensibilité aux particules fines (PM2.5), au dioxyde d’azote (NO₂) ou à l’ozone. Une récente méta-analyse utilisant les données de 12 cohortes de naissance Européennes retrouvait un risque plus élevé de dépression du post-partum associée à l’exposition aux PM10. D’autres études retrouvaient également un lien avec l’exposition au NO2 (4). Au total, les données actuelles ne permettent pas de faire la preuve d’une association entre la proximité aux espaces naturels et la dépression du post partum, et aucune étude à ce jour n’a évalué dans quelle mesure une telle association serait expliquée par une réduction des niveaux de polluants atmosphériques.
En savoir plus :	https://www.irset.org/fr Offre de stage M2_projetVERDE_IRSET_nov2025.pdf
Contact :	anne-claire.binter@inserm.fr

Classification supervisée de données spatio-temporelles avec application aux capteurs tactiles

Publiée le 03/11/2025 10:01.

Référence : Stage M2 SmartSkin.

Stage, 2 rue Conté, 75003 Paris.

Entreprise/Organisme :	Conservatoire National des Arts et Métiers (CNAM) - Laboratoire Cédric
Niveau d'études :	Master
Sujet :	Les capteurs visent à reproduire les capacités sensorielles de la peau humaine afin de détecter simultanément la pression, la température, la texture et d’autres propriétés des objets en contact. Ce stage s'inscrit dans le cadre du projet exploratoire SmartSkin dédié au développement de capteurs tactiles artificiels. Ce domaine de recherche, en plein essor, présente de nombreuses applications en robotique, en interaction homme-machine et en médecine. Un prototype fonctionnel a été développé en s'appuyant sur une technique appelée tomographie par impédance électrique. Celui-ci est en mesure de collecter des données de nature variée, telles que des signaux périodiques ou la pression exercée par un objet et cherche à reconnaître le type de matériau en contact (par exemple : main humaine, métal, fruit, etc.). D'un point de vue statistique, la modélisation des données issues de ces capteurs constitue un problème de classification supervisée qui revêt plusieurs défis méthodologiques liés à la nature des données. D'une part, les signaux mesurés sont de nature fonctionnelle (signaux périodiques). D'autre part, les données présentent une composante spatiale, liée à la position du contact sur la surface du capteur. De plus, une autre difficulté réside dans le fait que les signaux sont collectés à différentes fréquences et à des instants non synchrones. Dans ce contexte, l'objectif est de développer une méthodologie de classification supervisée capable de prendre en compte ces différents aspects de complexité.
Date de début :	Entre janvier et avril 2026
Durée du contrat :	5 à 6 mois
Rémunération :	Gratification de stage
Description :	Les capteurs visent à reproduire les capacités sensorielles de la peau humaine afin de détecter simultanément la pression, la température, la texture et d’autres propriétés des objets en contact. Ce stage s'inscrit dans le cadre du projet exploratoire SmartSkin dédié au développement de capteurs tactiles artificiels. Ce domaine de recherche, en plein essor, présente de nombreuses applications en robotique, en interaction homme-machine et en médecine. Un prototype fonctionnel a été développé en s'appuyant sur une technique appelée tomographie par impédance électrique. Celui-ci est en mesure de collecter des données de nature variée, telles que des signaux périodiques ou la pression exercée par un objet et cherche à reconnaître le type de matériau en contact (par exemple : main humaine, métal, fruit, etc.). D'un point de vue statistique, la modélisation des données issues de ces capteurs constitue un problème de classification supervisée qui revêt plusieurs défis méthodologiques liés à la nature des données. D'une part, les signaux mesurés sont de nature fonctionnelle (signaux périodiques). D'autre part, les données présentent une composante spatiale, liée à la position du contact sur la surface du capteur. De plus, une autre difficulté réside dans le fait que les signaux sont collectés à différentes fréquences et à des instants non synchrones. Dans ce contexte, l'objectif est de développer une méthodologie de classification supervisée capable de prendre en compte ces différents aspects de complexité.
En savoir plus :	https://cnam-my.sharepoint.com/:b:/g/personal/feriel_bouhadjera_lecnam_net/EXybYeem38dKlYviiFE-EIABy Sujet_Stage_M2_Stat_SmartSkin.pdf
Contact :	feriel.bouhadjera@lecnam.net

Apprentissage frugal de modèles génératifs multimodaux en contexte industriel

Publiée le 31/10/2025 08:53.

Référence : Offre de thèse en Science des Données et IA à l'IRT SystemX — UPSaclay.

CDD, Palaiseau.

Entreprise/Organisme :	IRT SystemX — Université Paris-Saclay
Niveau d'études :	Master
Sujet :	L'IRT SystemX propose une thèse sur l’apprentissage frugal de modèles génératifs multimodaux en contexte industriel. La thèse s'inscrit dans le cadre d'un projet collaboratif sur l'IA Générative pour l'Industrie, mené en partenariat avec notamment Air Liquide et Michelin, et son volet applicatif vise à adresser des cas d'usage industriels liés à la gestion de connaissances techniques en ingénierie de systèmes complexes. Le poste est basé à Palaiseau et la thèse sera inscrite à l'école doctorale STIC de l'Université Paris-Saclay. La thèse est financée pour une durée de 36 mois, avec une rémunération de 2784 € brut/mois, pour un démarrage souhaité début 2026. N'hésitez pas à partager autour de vous et à me contacter pour toute question.
Date de début :	01 janvier 2026 (flexible)
Durée du contrat :	36 mois
Rémunération :	2784€ brut/mois
Secteur d'activité :	Recherche
Description :	Le poste est basé à Palaiseau
En savoir plus :	https://www.irt-systemx.fr/recrutement/ Offre-de-These-IRTSystemX-DIT-2-2026-IAG1.pdf
Contact :	faicel.chamroukhi@irt-systemx.fr

Causally Interpretable Network Meta-Analysis (CI-NMA)

Publiée le 31/10/2025 08:52.

Référence : Postdoc position in biostatistics & causal inference.

Postdoc, Team EPIDERME, Université Paris-Est Créteil.

Entreprise/Organisme :	University Paris-Est Créteil & Pharmaceutical company Novo Nordisk
Niveau d'études :	Doctorat
Sujet :	Causally Interpretable Network Meta-Analysis (CI-NMA): Fit-For-Purpose Methods For Decision Making In Health Technology Assessment
Date de début :	Flexible, preferably before March 01 2025
Durée du contrat :	3 ans
Rémunération :	Based on official pay scales of University Paris-Est Creteil
Secteur d'activité :	Biostatistiques, Inference causale, Evaluation des technologies en santé
Description :	Network meta-analysis (NMA) has become a cornerstone methodology for the assessment of innovative health technologies, in the absence of direct head-to-head comparisons between the interventions of interest. It provides valuable information to prescribing physicians, regulatory agencies and payers on the relative efficacy and safety of drugs and has a crucial impact on market and patient access. This project will develop fit-for-purpose NMA methods that are flexible, bias-robust and produce causally interpretable results in specific target populations. Such methods are increasingly attractive for pharmaceutical companies, regulators and reimbursement agencies worldwide. Policy decisions are made for specific healthcare settings and require treatment effect estimates that are maximally relevant to the target population for decision-making. Within the context of health technology assessment (HTA), the landscape is being disrupted by the new European Union HTA Regulation, which demands: (1) a dramatic increase in the use of NMA due to unavailable head-to-head comparisons between all competitors; (2) considerable analytical complexity with respect to the type of NMAs being conducted; and (3) the generation of comparative effectiveness results in many different member state populations. The aim of CI-NMA is to develop novel methods for case-mix standardization that are bias-robust and allow for causally interpretable network meta-analysis, in the context of both full access and restricted access to individual participant data (IPD). CI-NMA includes three work packages (WPs). In WP1, we will develop robust and powerful approaches for case-mix standardization under limited access to IPD, which enable the use of machine learning methods in the estimation process, reducing the dependence on modeling assumptions and potential for bias while maintaining valid inference. In WP2, we will develop novel methods for CI-NMA under full access to IPD aiming to: (1) compare and rank different treatment options for specific target populations; and (2) quantify the importance of case-mix heterogeneity in the trial network. Finally, in WP3, we propose a new strategy to include aggregate data from trials without IPD into CI-NMA, integrating the methods developed in WP1 and WP2. Across all WPs, new methods will be evaluated by numerically simulated data, and illustrated by real data of randomized controlled trials previously conducted by the Danish multinational pharmaceutical company Novo Nordisk. Successful implementation of the project will lead to at least three publications in statistical journals acknowledged as top-tier, and presentations in key statistical conferences. The project receives full funding from Novo Nordisk, and is planned to run for three years from 2025 to 2028.
En savoir plus :	https://www.linkedin.com/posts/activity-7389248867495723008-PnmS?utm_source=share&utm_medium=member_ Postdoc offer UPEC-NN.pdf
Contact :	tat-thang.vo@u-pec.fr

Master's degree internship in Causal Inference and Transportability

Publiée le 31/10/2025 08:52.

Référence : Master's degree internship in Causal Inference and Transportability.

Stage, Université Paris Est Créteil Campus Centre de Créteil.

Entreprise/Organisme :	EPIDERME Université Paris-Est Créteil
Niveau d'études :	Master
Sujet :	Causal Inference and Transportability with Limited Access to Individual-Level Data
Durée du contrat :	6 Months
Secteur d'activité :	Biostatistics
Description :	The internship will be hosted by the Epiderme research team, affiliated with INSERM and based at Universit´e Paris-Est Créteil. The project will be jointly supervised by: • Dr. Marie-F´elicia Beclin (Postdoctoral Researcher in Biostatistics) • Dr. Antonio Remiro-Azocar (Statistical Methodologist, Novo Nordisk) • Dr. Tat-Thang Vo (Junior Professor in Biostatistics, https://tatthangvo.com/)
En savoir plus :	https://www.linkedin.com/posts/marie-f%C3%A9licia-b-141680145_offre-de-stage-master-2-statistiques-a Master_internship_position.pdf
Contact :	mariefelicia.beclin@gmail.com

Quantifier et objectiver l’effort de butinage et les miellées à partir des variations journalières d

Publiée le 30/10/2025 09:18.

Stage, Avignon/Montpellier.

Entreprise/Organisme :	INRAE, Avignon & IMAG, Montpellier
Niveau d'études :	Master
Date de début :	février/mars 2026
Durée du contrat :	6 mois
Rémunération :	selon gratification en vigeur (environ 600€/mois)
Description :	Stage de recherche niveau M2 portant sur l'analyse statistique de données de capteurs pour quantifier l'activité de butinage d'abeilles mellifères. Tous les détails se trouvent dans le fichier pdf joint à cette offre. Stage encadré par Cédric Alaux (INRAE, Avignon) et Élodie Brunel-Piccinini (IMAG, Montpellier).
En savoir plus :	https://imag.umontpellier.fr/ Stage M2 Abeilles - INRAE Avignon IMAG Montpellier.pdf
Contact :	elodie.brunel-piccinini@umontpellier.fr

Incertitudes associées aux trajectoires d’évolution du stockage de carbone dans les sols

Publiée le 30/10/2025 09:18.

Stage, Rennes.

Entreprise/Organisme :	INRAE
Niveau d'études :	Master
Sujet :	Evaluation des incertitudes associées aux trajectoires d’évolution du stockage de carbone dans les sols et la végétation arborée estimées à une échelle territoriale
Date de début :	entre janvier et avril 2026
Durée du contrat :	6 mois
Secteur d'activité :	Recherche agronomique
Description :	Afin d’accompagner leur objectif d’atteinte de la neutralité carbone en 2050, de nombreuses collectivités sollicitent des études prospectives visant à évaluer différents scénarios d’évolution des usages des sols et de la végétation arborée favorables au stockage de carbone. Ces travaux reposent sur le couplage de modèles simulant les trajectoires des stocks de carbone dans les sols et de la biomasse arborée à l’horizon 2050. La quantification et l’identification des incertitudes associées à ces trajectoires sont complexes, qu’elles proviennent des modèles eux-mêmes, des données utilisées ou des représentations spatiales. Déjà soulignée dans les travaux à l’échelle mondiale (Canadel et al., 2021 ; IPCC AR6) et nationale (Pellerin et al., 2020), cette difficulté s’accentue à l’échelle territoriale, où l’absence de modèle générique complique l’analyse. Ainsi, les approches classiques d’évaluation des incertitudes, comme les simulations Monte-Carlo, sont difficiles à appliquer pour évaluer la robustesse des trajectoires d’évolution modélisées.
En savoir plus :	https://umrsas.rennes.hub.inrae.fr/ 2025-stageM2-INRAE-UMR SAS Rennes-incertitudes trajectoires evolution sols.pdf
Contact :	christian.walter@institut-agro.fr

Clustering de valeurs extrêmes sur des séries chronologiques

Publiée le 29/10/2025 09:53.

Référence : Thèse en statistique.

Thèse, Vannes.

Entreprise/Organisme :	Université Bretagne Sud
Niveau d'études :	Doctorat
Date de début :	janvier 2026
Durée du contrat :	3 années
Rémunération :	2400€ brut mensuel + frais de transport (dont ceux vers les bureaux d’Aldecis) + avantages annexes
Secteur d'activité :	Statistique
Description :	Dans le cadre d’une première thèse CIFRE, nous avons engagé une modélisation des données de performance des organisations, dans le but d’y détecter des anomalies structurelles et con- joncturelles. Cette démarche a permis de développer des modèles stochastiques de priorisation des signaux atypiques, afin de se focaliser sur les cas les plus critiques. L’objectif de cette thèse CIFRE est d’identifier et d’anticiper les causes profondes de ces anomalies rares, dans une perspective d’analyse prédictive et de prévention. L’estimation des probabilités et des risques associés à des événements rares joue un rôle essentiel dans des domaines tels que la climatologie, la santé publique, l’assurance ou la mesure de performance. Nous proposerons une méthode d’estimation des probabilités rares, ainsi que des quantiles extrêmes, basée sur un ajustement automatique du seuil de localisation d’un modèle statistique en adéquation avec les données observées. Nous développerons également une procédure statistique automatique de détection des anomalies extrêmes, s’inscrivant dans une approche combinant apprentissage automatique (Machine Learning) et apprentissage profond (Deep Learning). Cette méthode aura pour objectif d’identifier les observations atypiques et de les regrouper en clusters selon leurs similarités structurelles, en vue de mutualiser l’application cohérente de traitements correctifs ciblés et de proposer des mesures préventives (soit par risques de propagation, soit par faiblesses structurelles identiques). Les propriétés asymptotiques des procédures proposées seront rigoureusement analysées, tant sur le plan théorique que par le biais de simulations numériques, avant leur mise en œuvre sur les données réelles issues d’ALDECIS, une organisation constituée d’experts en IA, chargée d’aider ses clients à améliorer leurs performances.
En savoir plus :	https://www-facultesciences.univ-ubs.fr/fr/index.html Annonce_Thèse_CIFRE_Diffusion.pdf
Contact :	gilles.durrieu@univ-ubs.fr

18-month full-time post-doctoral grant

Publiée le 29/10/2025 09:52.

CDD, Louvain-la-Neuve (Belgium).

Entreprise/Organisme :	Université catholique de Louvain (Belgium)
Niveau d'études :	Doctorat
Date de début :	Starting anywhere in 2026
Durée du contrat :	18 months
Rémunération :	around 3000 euros net per month
Description :	Post-doctoral position in the field of multivariate extreme-value theory. See the attached file for a detailed description.
En savoir plus :	https://akiriliouk.github.io/ Postdoc-grant-MIS.pdf
Contact :	anna.kiriliouk@uclouvain.be

Stage M2

Publiée le 29/10/2025 09:52.

Stage, Tours.

Entreprise/Organisme :	UMR 1246 INSERM SPHERE
Niveau d'études :	Master
Date de début :	A définir ensemble
Durée du contrat :	6 mois
Description :	Stage M2 Biostatistique
En savoir plus :	https://sphere-inserm.fr/fr Stage_V2_V20251027.pdf
Contact :	agnes.caille@univ-tours.fr

Détection d’anomalies (temps-fréquences) dans les signaux photovoltaïques

Publiée le 28/10/2025 09:33.

Référence : PV-FIT.

Stage, Perpignan.

Entreprise/Organisme :	Université de Perpignan-CNRS
Niveau d'études :	Master
Sujet :	Détection d’anomalies dans les signaux photovoltaïques
Date de début :	Février ou Mars 2026
Durée du contrat :	6 mois
Rémunération :	Selon la tarification en vigueur (environ 600 euros/mois)
Secteur d'activité :	Académique
Description :	L’objectif principal de ce stage est d’étudier des approches frugales pour la détection d’anomalies, en exploitant exclusivement les données déjà disponibles dans les onduleurs photovoltaïques – typiquement la tension, le courant et la puissance au cours du temps.
En savoir plus :	https://www.univ-perp.fr/ Stage-LAMPS-PROMES.pdf
Contact :	issam-ali.moindjie@univ-perp.fr

M2 internship – Longitudinal data analysis in high dimension

Publiée le 23/10/2025 16:22.

Référence : Stage M2 – analyse de données longitudinales en grande dimension.

Stage, Lille.

Entreprise/Organisme :	Inria de Lille, Université de Lille
Niveau d'études :	Master
Sujet :	Statistical analysis of longitudinal data in high dimension. Application : health, biology.
Date de début :	April/may 2026
Durée du contrat :	6 months
Secteur d'activité :	biostatistics
Description :	In collaboration with clinicians and biologists from various teams of Lille, our METRICS team has developed an expertise on high-throughput analysis of omics data (e.g., genomics, transcriptomics, proteomics). These data present much more variables than individuals and penalised regression framework has proven to be very useful to select biomarkers at one time point. When several time points are considered, interpretation of biological results is much more difficult if time points have been studied independently.
En savoir plus :	https://metrics.univ-lille.fr/ offre_stage_high_dimensional_data.pdf
Contact :	genia.babykina@univ-lille.fr

Stage M2 en statistiques - Avatarisation de données de santé

Publiée le 23/10/2025 16:22.

Référence : Stage M2 - avatarisation.

Stage, Lille.

Entreprise/Organisme :	Université de Lille
Niveau d'études :	Master
Durée du contrat :	6 mois
Description :	Le stage s’intègre dans le projet de développement de nouvelles méthodes d’avatarisation de données de santé porté par l’équipe Metrics. L’objectif est de permettre la diffusion de bases de données dans un cadre académique. Il s’agira de développer des méthodes de simulation de données de durée complexes (événements récurrents, risques concurrents, modèles multi-états, etc).
En savoir plus :	https://metrics.univ-lille.fr/ Sujet_stage_Avatarisation.pdf
Contact :	genia.babykina@univ-lille.fr

Stage M2 Dijon TDA+Spectro(IR-Raman)

Publiée le 21/10/2025 17:44.

Référence : Stage M2 Dijon TDA+Spectro(IR-Raman).

Stage, Dijon.

Entreprise/Organisme :	Institut Agro Dijon
Niveau d'études :	Master
Sujet :	Ce stage de Master 2 d'une durée de six mois (début Mars 2026) se déroule au sein de l'équipe Procédés Microbiologiques et Biotechnologiques (PMB) de l'UMR PAM, en lien avec le plateau d’imagerie spectroscopique (Dimacell). Le projet vise à exploiter l'Analyse Topologique de Données (TDA) pour l'étude de micro-organismes d’intérêt alimentaire, en s'appuyant sur les données complexes générées par la spectrométrie combinée Infra-Rouge et Raman (OPTIR). Ces données spectrales, étant de haute dimension et sujettes au bruit et aux décalages, sont difficiles à analyser avec des outils chimiométriques classiques. L'objectif principal est d'appliquer les outils de la TDA, qui fournit une étude quantitative de la « forme » et de la structure des données, afin d’en extraire des signatures robustes et interprétables.
Date de début :	vers mi mars 2026, possibilité de débuter jusqu'à un mois plus tard
Durée du contrat :	6 mois
Rémunération :	autour de 660 EUR/mois, base réglementaire
Secteur d'activité :	académique
Description :	Ce stage de Master 2 d'une durée de six mois (début Mars 2026) se déroule au sein de l'équipe Procédés Microbiologiques et Biotechnologiques (PMB) de l'UMR PAM, en lien avec le plateau d’imagerie spectroscopique (Dimacell). Le projet vise à exploiter l'Analyse Topologique de Données (TDA) pour l'étude de micro-organismes d’intérêt alimentaire, en s'appuyant sur les données complexes générées par la spectrométrie combinée Infra-Rouge et Raman (OPTIR). Ces données spectrales, étant de haute dimension et sujettes au bruit et aux décalages, sont difficiles à analyser avec des outils chimiométriques classiques. L'objectif principal est d'appliquer les outils de la TDA, qui fournit une étude quantitative de la « forme » et de la structure des données, afin d’en extraire des signatures robustes et interprétables.
En savoir plus :	http://pylouis.perso.math.cnrs.fr/ stage-TDA-OPTIR-2026-PMB-LOUIS-diffusion.pdf
Contact :	pierre-yves.louis@institut-agro.fr

Page précédente 1 <2> 3 4 5 Page suivante