Ingénieur.e en Sciences des données H/FIFP Energies Nouvelles

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 = 95 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.

Depuis plusieurs années, IFPEN s'engage activement dans le domaine de la science des données, en développant des solutions innovantes pour des applications variées : observation et analyse des mobilités, pilotage dynamique de systèmes énergétiques, optimisation de procédés technologiques, conception de matériaux avancés pour les batteries et catalyseurs…
Dans cette dynamique, le département Contrôle, Signal et Système souhaite renforcer durablement son expertise en intelligence artificielle scientifique appliquée aux systèmes physiques complexes et aux matériaux, afin d'accompagner le développement de projets stratégiques liés à la transition énergétique.
Nous recherchons un(e) chercheur(se) confirmé(e) souhaitant s'investir dans des problématiques scientifiques ambitieuses à l'interface entre intelligence artificielle, traitement d'image et modélisation physique.
Mission :
Contribuer au développement d'approches innovantes en intelligence artificielle pour l'analyse, la modélisation et la conception de systèmes énergétiques et de matériaux avancés, et participer au développement de nouvelles thématiques de recherche à l'interface entre IA et systèmes physiques.
Activités :
* Concevoir des approches de traitement d'image scientifique pour la caractérisation et l'analyse multi-échelle de matériaux
* Exploiter des données multi-modales (image, séries temporelles, données procédés) pour la modélisation et la prédiction de performances
* Développer des méthodes d'apprentissage intégrant des connaissances physiques
* Contribuer à des travaux de design et d'optimisation assistés par les données
* Contribuer à la structuration et au développement des thématiques de recherche en intelligence artificielle au sein du département
* Participer activement aux projets stratégiques d'IFPEN en apportant une expertise en IA et modélisation
* Encadrer ou co-encadrer doctorants et stagiaires
* Contribuer au rayonnement scientifique par des publications et collaborations internationales
Localisation : Rueil-Malmaison ou Solaize

Compétences techniques et aptitudes
Compétences attendues :
* Solide formation en apprentissage statistique / deep learning
* Expérience en traitement d'image scientifique ou en vision appliquée
* Intérêt marqué pour la modélisation de systèmes physiques ou de matériaux
* Expérience en manipulation de données complexes et hétérogènes
* Maîtrise d'outils scientifiques (Python, frameworks ML, outils de calcul scientifique)
Aptitudes :
* Curiosité scientifique et capacité d'apprentissage rapide
* Goût pour l'interdisciplinarité
* Capacité à travailler en équipe et à interagir avec des experts métiers
* Autonomie et esprit d'initiative
* Potentiel de montée en compétence vers une expertise scientifique de haut niveau
Diplôme(s), niveau d'études :
* Doctorat (PhD) en intelligence artificielle, science des données, traitement d'image, modélisation des systèmes physiques ou domaine connexe
Expérience
* Quelques années d'expérience académique ou industrielle en recherche
* Une première expérience d'encadrement (thèse, post-doctorat) serait appréciée