Développement d'un modèle de fondation en spectrométrie de masse

Ineris: Institut national de l'environnement industriel et des risques; Verneuil-en-Halatte; Sur place; EUR 20 000 - 40 000; Plein temps

Résumé du poste

Un institut de recherche environnementale recherche un stagiaire en Data Science pour poursuivre l'entraînement d'un modèle de fondation basé sur des données internes. Le stage est adressé à des étudiants Bac +4/5 en informatique ou data science avec une curiosité pour les nouvelles technologies et une expérience en apprentissage profond en Python. Une connaissance en chimie analytique est un plus. Stage conventionné et indemnisé.

Prestations

Stage conventionné et indemnisé

Indemnisation des frais de transport sous conditions

Qualifications

• Curiosité et ouverture aux nouvelles technologies.
• Capacités rédactionnelles pour vulgariser des concepts techniques.
• Manipuler des méthodes d'apprentissage profond en Python.
• Connaissances en chimie analytique recommandées.
• Anglais technique compréhensible.

Responsabilités

• Poursuivre l'entraînement du modèle de fondation sur des données.
• Adapter le modèle à la dimension temporelle des spectres.
• Tester des architectures GNN pour une flexibilité accrue.

Connaissances

Curiosité pour les nouvelles technologies

Capacités rédactionnelles

Manipulation de méthodes d'apprentissage profond en Python

Pratique de lancement de codes sur GPU

Connaissance en chimie analytique

Compétences en anglais technique

Sens du contact

Formation

Bac +4/5 en Informatique ou Data Science

Description du poste

Contexte :

Les grands modèles de langue ou les modèles de type Unet pour les images ont montré leur efficacité sur des tâches de classification ou de prédiction.

Même si ces modèles ont nécessité des sources de données d'entraînement volumineuses, il semble que le concept de modèle de fondation soit particulièrement bien adapté pour résoudre des problèmes pour lesquels nous ne disposons pas de telles quantités de données annotées.

A l'lneris, nous recourons de plus en plus à des appareillages (spectrométrie de masse) qui permettent de détecter de plus en plus de substances dans des échantillons environnementaux sans pour autant que nous soyons capables de les caractériser humainement compte tenu de l'ampleur de la tâche que cela représenterait (nombre de substances existantes, quantité de données à comparer...).

Aussi le recours à des techniques d'apprentissage profond peut nous aider à mieux caractériser ces substances (formule chimique, familles, abondance...) et ainsi apporter des réponses aux questions que se posent les populations et les décideurs sur les risques d'exposition à des substances toujours plus nombreuses dans l'environnement et potentiellement dangereuses. Une première étude menée en 2025 sur un modèle de type BERT nous a permis de confirmer la capacité des modèles de type transformer à capter et à exploiter l'information contenue dans les données HRMS.

Objectifs du stage :

Sur la base des travaux réalisés en 2025, l'objectif du stage consistera à poursuivre l'entraînement du modèle de fondation sur des données produites en interne ou par des partenaires de l'lneris appartenant au réseau Norman.

Le modèle sera ensuite adapté pour tenir compte de la dimension temporelle induite par la phase de chromatographie visant à séparer les molécules en amont de la phase de spectrométrie. Une architecture type VAE pourra également être testée dans l'objectif de caractériser le bruit des spectres puis de l'éliminer.

L'exploration d'une architecture de type GNN est également envisagée afin de permettre une meilleure flexibilité dans la prise en compte d'informations supplémentaires sur les substances chimiques.

Les modèles développés seront testés sur différentes tâches : caractérisation de substances (présence/absence, classification), détection d'événements (carte de contrôle) ...

PROFIL

• Bac +4/5
• Ce stage s'adresse à la spécialité: Informatique, Data Science...
• Votre curiosité et votre ouverture aux nouvelles technologies, vous facilitent la recherche d'information auprès de vos collègues mais aussi des acteurs du domaine.
• Vos capacités rédactionnelles vous permettent en particulier de vulgariser les notions inhérentes aux concepts des méthodes à base de réseaux de neurones (exemples d'utilisation, sources documentaires).
• Vous savez déjà manipuler des méthodes d'apprentissage profond en python. La pratique du lancement de codes sur une partition GPU d'un cluster de calcul haute performance serait un plus.
• La connaissance, voire la pratique, en chimie analytique est vivement recommandée.
• Vous êtes à l'aise avec l'anglais et comprenez les documentations techniques du domaine.
• Vous possédez un sens du contact qui vous permet de vous adresser facilement à des experts métier de tous domaines et de tous niveaux.

• Stage conventionné et indemnisé
• Indemnisation des frais de transport sous conditions