Sante jobs in France
Exploitation avancée des données de santé par de l'apprentissage collaboratif sécurisé
CEA
Formateur IFSI/IFAS (H/F)
La Croix-Rouge française
Senior Sales Executive
Florence France
Infirmier(e) (F/H/X)
La Croix-Rouge française
Cadre de santé (cadre infirmier) en EHPAD F/H
Domaine du Château (Pavonis)
Discover more opportunities than anywhere else. Find more jobs nowIDE en EHPAD
Les Hôpitaux De Chartres
stage 6 mois - marketing digital
Sanofi US
Directeur Santé Environnement - Pilotage Régional
Agence Régionale de Santé Grand Est
Connect with headhunters to apply for similar jobsDélégué Hospitalier Nutrition Clinique CDD - Secteur Occitanie
Baxter International
MedTech Oxygenotherapy Expert MF
Air Liquide
Manager régional des ventes vasculaires
BD
Gestionnaire Service Client International - H/F
MAYOLY
Aide-soignant / Aide-soignante en gériatrie (H/F)
France Travail
Responsable Commercial Bloc Opératoire – Secteur Normandie, Centre-Val de Loire & Ouest de l Î[...]
BD
Directeur de crèche H/F
Gi Life Sciences
Médecin du Travail – Prévention & Santé au Travail
Cap-RH
Coordinateur HSE (FMX) Nîmes (30)
Saur Europe
Directeur Santé et Environnement Régional
IN HUMANO VERITAS
Aide-soignant / Aide-soignante à domicile (H/F)
ASS OSMOSE L ASS DES SCE A DOMICILE
Référent enfants confiés (H/F)
CONSEIL DEPARTEMENTAL D'INDRE ET LOIRE
Vendeur / Vendeuse en parapharmacie (H/F)
France Travail
Exploitation avancée des données de santé par de l'apprentissage collaboratif sécurisé
Job summary
Une organisation de recherche en technologies recrute un candidat pour une thèse axée sur l'exploitation des données de santé par apprentissage collaboratif sécurisé. Le projet inclut le déploiement de modèles d'apprentissage profond et le développement de méthodes d'agrégation. Les candidats doivent être titulaires d'un Master en Intelligence Artificielle ou Data Science. Le contrat est de type thèse, basé à Saclay, avec disponibilité requise à partir du 01/10/2026.
Qualifications
- Formation recommandée : Master AI, Data Science.
- Connaissances en algorithmie d'apprentissage fédéré.
- Maîtrise des protocoles de calcul sécurisé.
Responsibilities
- Déployer et optimiser des modèles d'apprentissage profond.
- Intégrer de grands modèles dans l'apprentissage collaboratif.
- Développer des méthodes d'agrégation pour des données non IID.
Skills
Education
Depuis quelques années, l'apprentissage profond est utilisé avec succès dans de nombreux domaines et est de plus en plus intégré dans la recherche clinique et le domaine de la santé. La capacité à combiner des sources de données diverses, telles que la génomique et l'imagerie, améliore la prise de décision médicale. L'accès à de grands jeux de données hétérogènes est essentiel pour améliorer la qualité et la précision des modèles. L'apprentissage fédéré est actuellement développé pour répondre à cette exigence, en offrant la possibilité d'entraîner des modèles de manière décentralisée garantissant que les données brutes restent stockées localement du côté client (entité qui génère les données sensibles). Plusieurs frameworks open-source intègrent des protocoles de calcul sécurisé pour l'apprentissage fédéré, mais leur applicabilité au domaine de la santé demeure limitée et soulève des enjeux liés à la souveraineté des données.
Dans ce contexte, un framework français, actuellement développé par le CEA-LIST, introduit une architecture d'apprentissage fédéré edge-to-cloud intégrant un chiffrement de bout en bout, avec notamment le chiffrement homomorphe (Fully Homomorphic Encryption), et une résilience face aux attaques malveillantes. Grâce à ce framework, ce projet vise à fournir des composants modulaires et sécurisés pour l'apprentissage fédéré afin de favoriser l'innovation en IA appliquée au domaine de la santé et notamment à la génomique.
- Déploiement, surveillance et optimisation de modèles d'apprentissage profond au sein de solutions d'apprentissage fédéré et décentralisé.
- Intégration de grands modèles dans l'apprentissage collaboratif.
- Développement de méthodes d'agrégation pour des situations non IID (Independant and Identically Distributed).
Défis technologiques
Exploitation avancée des données de santé par de l'apprentissage collaboratif sécurisé
Thèse
Structure et Dynamique des Systèmes Vivants (SDSV), Paris-Saclay
Saclay
Formation recommandée : Master AI, Data Science
01/10/2026
GAZUT Stéphane
stephane.gazut@cea.fr
CEA
DRT/DIN//LIIDE
DRT/ LIST/ DIN/ SMCD/ LIIDE
CEA Saclay, PC 192, bâtiment 565
F-91191 Gif-sur-Yvette cedex
0169088307
MEYER Vincent
vmeyer@cng.fr
CEA
DRF/JACOB//LBI
CNRGH
Batiment G2
2 rue gaston cremieux
Evry
0160872592
* The salary benchmark is based on the target salaries of market leaders in their relevant sectors. It is intended to serve as a guide to help Premium Members assess open positions and to help in salary negotiations. The salary benchmark is not provided directly by the company, which could be significantly higher or lower.