Data Scientist H/F - Université Paris-Saclay

Dans le cadre du Projet PrePsyRisk-AI, visant à évaluer l'effet du sycophantisme des LLMs (Large Language Models) sur les patients présentant une pathologie psychiatrique ou à risque d'en développer une, le Data Scientist aura pour mission de mettre en oeuvre les outils techniques permettant d'une part aux participants de l'étude d'interagir avec des LLMs open source déployés localement, et d'autre part de traiter des données d'utilisation de ces LLMs pour ensuite les corréler aux données cliniques disponibles pour ces participants.
Date de prise de poste souhaitée 01/09/2026 - CDD de 2 ans1. MISSIONS· Déploiement d'un environnement d'étude permettant l'emploi de LLMs locaux par les participants à l'étude.· Traitement des données d'utilisation des LLMs et analyse inférentielle de ces interactions avec le devenir clinique des participants.· Coordination technique.2. ACTIVITÉSDéploiement d'un environnement d'étude permettant l'emploi de LLMs locaux par les participants à l'étude· Revue de littérature scientifique et technique pour recommander un ou des modèles adaptés à l'étude.· Analyses préalables d'interactions standardisées avec les quelques LLMs retenus pour définir une grille d'évaluation de l'intensité du sycophantisme.· Étudier l'impact des différents paramètres du LLM sur le sycophantisme (taille du modèle, température, taille du contexte, top_k, top_p, etc.) selon les critères préalablement identifiés.· Déploiement d'un environnement standard pour permettre aux participants à l'étude d'interagir avec le ou les LLMs retenus.Traitement des données d'utilisation des LLMs et analyse inférentielle de ces interactions avec le devenir clinique des participants· Participation à la définition des méthodes d'analyse des différentes études.· Mise en oeuvre de l'analyse des échanges entre les participants et les LLMs permettant d'évaluer l'intensité du sycophantisme.· Analyse descriptive des interactions entre participants et LLMs et des attributs cliniques des participants à l'étude.· Analyse inférentielle de l'impact du contexte clinique sur les attributs de l'interaction entre les participants et les LLMs, et inversement.Coordination technique· Supervision technique du technicien de recherche.· Production d'une roadmap et de rapports d'avancement réguliers.Participation aux réunions de suivi avec les cliniciens chercheur, notamment pour analyser les résultats préalables et réévaluer les choix méthodologiques de traitement des données si nécessaire.

Niveau de formation et/ou expérience requis :· Niveau minimum : Ingénieur informatique /IA ou Master en Algorithmique et Modélisation ou Master Traitement Automatique du Langage o Ph.D IA Traitement Automatique du Langage apprécié o Formation en santé publique ou en épidémiologie appréciée· Expérience en tant qu'ingénieur IA/Traitement Automatique du langage, ou en tant qu'ingénieur full-stack o Expérience en tant que tech lead appréciée o Expérience dans la recherche en santé appréciée o Rôle de mainteneur de projets open source apprécié o Ouvert à des Post-DocConnaissances, compétences et expériences indispensables· Maîtrise des environnements de développement collaboratif (git, jupyter notamment), et des bonnes pratiques de développement collaboratif (revue de code, documentation, intégration continue...)· Maîtrise des langages de programmation interprétés python3 et R, et des requêtes SQL· Maîtrise des outils open source de déploiement de LLMs (ollama, hugging face notamment)· Solides connaissances sur les différentes techniques et outils de NLP (Natural Language Processing) (TF/IDF, Bert, etc.), et sur les méthodes d'apprentissage supervisé des LLMs· Maîtrise des designs usuels (cas-témoin, cohorte, écologique) et des méthodes statistiques usuelles en recherche clinique (analyses descriptives et multivariées de variables catégorielles, et quantitatives discrètes et continues)· Veille technologique sur les outils open source de traitement automatisé du langage· Veille scientifique sur l'emploi de technologies de traitement automatique du langage en recherche clinique· Maîtrise des pratiques sécurisées et conformes à la réglementation RGPD (Règlement Général sur la Protection des Données), HDS (Hébergeurs de données en Santé) garantissant la confidentialité des données patients pseudonymisées lors de leur traitement en recherche.· Maîtrise de l'anglais scientifique et technique (lecture et rédaction)Compétences, connaissances et expériences souhaitables· Une expérience en entraînement non supervisé (dont auto-supervisé) et supervisé de modèles· Une aisance avec les méthodes d'inférence causale utilisées dans les projets longitudinaux avec des mesures répétées est appréciée· Une connaissance des méthodes d'analyse spatiale (imagerie médicale) est appréciée· Une formation à l'utilisation des données du SNDS (Système Nationale de Données de Santé) est appréciée· Une formation en santé mentale ou en sociologie est un plus Capacités et aptitudes· Autonomie, initiative, curiosité scientifique et goût pour l'innovation· Esprit d'analyse et de synthèse, capacité à développer et présenter une vision du projet à différents auditoires (des collaborateurs aux publics non techniques)· Excellentes compétences rédactionnelles· Goût et aptitude pour le travail en équipe et la coopération interdisciplinaire· Rigueur, méthode et sens de l'organisation