Doctorant Cifre IA - Neurolinguistique H/F - Unici't

Sous la responsabilité du Chief Technical Officer, le Doctorant Cifre en IA (CDD) H/F aura pour objectif de thèse, plusieurs défis :
- Comprendre comment les marqueurs cognitifs (intonation, hésitations, émotion, EEG, etc.) sont assimilés et identifier les écarts entre l'humain et l'IA dans cette faculté d'assimilation.
- Étudier l'alignement cerveau / IA : Explorer les correspondances entre les activations de LLMs et l'activité neuronale (EEG, fMRI) lors de tâches langagières.
- Modéliser l'implicite dans un LLM : Développer des méthodes d'intégration ou d'ajustement de LLMs pour améliorer leur capacité à inférer et structurer du contenu implicite.
- Faire une revue de l'état de l'art (scientifique et business) en matière de représentation visuelle du langage implicite dans l'objectif de proposer une modélisation de l'output fiable et concrètement exploitable (ex : Knowledge Graph).
- Déployer un prototype dans un cas d'usage réel et en cohérence aux exigences clients : Intégrer vos résultats dans l'architecture de l'IA et tester leur impact dans des situations d'entretien.

Le projet s'adresse à un candidat curieux, rigoureux et autonome, motivé par une recherche à la frontière entre IA, cognition et langage. Un fort intérêt pour l'interdisciplinarité et l'expérimentation est essentiel, ainsi qu'une bonne maîtrise des outils techniques liés à l'intelligence artificielle.
- Formation : Bac +5 minimum (école d'ingénieur, master recherche en IA, NLP, sciences cognitives, neurosciences ou équivalent), éligible au doctorat ;
- Expériences : Stage ou projet significatif en intelligence artificielle ou modélisation cognitive ;
- Compétences techniques : Python, machine learning, NLP (transformers, embeddings), bases de données, traitement de signaux (voix, EEG) apprécié ;
- Compétences personnelles : Autonomie, rigueur, esprit d'analyse, curiosité intellectuelle, capacité à travailler dans un cadre exploratoire ;
- Langue : Anglais courant, écrit et oral (documents scientifiques, échanges techniques).

Ce projet de recherche s'inscrit à la croisée de l'intelligence artificielle, de la neurolinguistique et des sciences cognitives. Il vise la conception et développement d'un agent conversationnel intelligent capable de capter, structurer et formaliser des contenus implicites exprimés lors d'entretiens humains, en s'appuyant sur les dynamiques du langage naturel, les signaux cognitifs et l'alignement cerveau-modèle.

Les modèles de langage de grande taille (LLMs) ont récemment démontré une capacité inattendue à capter des éléments de sens au-delà du simple texte : intentions implicites, dynamique conversationnelle, style cognitif, voire émotions. En parallèle, plusieurs études ont mis en lumière des correspondances entre les activations internes de ces modèles et les zones cérébrales activées lors de la compréhension langagière chez l'humain (mesures EEG ou IRMf). Ces signaux convergents ouvrent un champ d'investigation nouveau : celui d'un alignement possible entre les structures statistiques apprises par l'IA et les structures neuronales activées lors du traitement du langage.

Le projet exploite ce terrain interdisciplinaire en se concentrant sur la modélisation de l'implicite : tout ce qui, dans une interaction verbale, échappe à l'énonciation directe : intentions, hésitations, mémoires sensorimotrices, raccourcis cognitifs, émotions, etc. À ce jour, l'extraction de ces éléments repose encore largement sur des médiations humaines (entretiens d'explicitation, observation experte), peu scalables et difficilement transférables dans des architectures computationnelles. L'objectif de la recherche est donc de concevoir une IA hybride, multimodale et interprétable, capable de simuler cette médiation dans une logique de transfert d'expertise.

La problématique générale de cette thèse peut se formuler ainsi :
Comment une IA langagière peut-elle détecter, interpréter et structurer les éléments implicites d'un discours humain, en s'alignant au plus près des dynamiques cognitives, émotionnelles et neuronales du locuteur ?

L'entreprise qui porte ce projet de thèse est une jeune structure innovante en phase d'amorçage, positionnée à l'intersection stratégique de l'intelligence artificielle, des sciences du langage et des sciences humaines appliquées.

L'équipe fondatrice est composée de profils hautement qualifiés, issus de domaines complémentaires : technologies de l'IA, recherche appliquée, design conversationnel, stratégie deeptech, production culturelle et expérimentation scientifique. Avec ce projet, elle ambitionne de répondre à un enjeu critique partagé par de nombreux secteurs : la perte ou la dispersion des connaissances clés détenues par des experts humains (opérateurs expérimentés, praticiens de terrain, professionnels d'exception).