L'École normale supérieure de Lyon produit une recherche de haut niveau dans ses 25 laboratoires et forme par la recherche quelque 2500 étudiants dont 500 doctorants. Elle compte environ 550 enseignants, enseignants-chercheurs et chercheurs et 600 personnels administratifs et techniques.

Dans le classement de Shanghai et QS, elle se classe au 1er rang des établissements français en termes de performance per capita.

Son objectif est d'avoir un impact significatif en matière de recherche, d'innovation et de transfert de technologie tout en irriguant la fonction publique et le monde socio-économique de diplômés rompus à la complexité, capables de produire et transmettre des savoirs.

L'ENS de Lyon met ses ressources au service d'une vision ouverte de la société et des enjeux contemporains qu'elle veut éclairer.

Son budget annuel est d’environ 150 M €.

L'ENS de Lyon est une école dynamique, où la qualité de vie au travail, le développement durable et l’égalité professionnelle représentent des dimensions centrales.

Le projet Serisia - Sociologie expérimentale du rapport à l’IA et socialisation des algorithmes conversationnels, financé par le programme Inria Quadrant de l’Institut national de recherche en sciences et technologies du numérique, vise à étudier la manière dont les modèles de langage conversationnels peuvent intégrer et reproduire des structures sociales au fil de leurs interactions avec des publics socialement différenciés.

Le projet articule une enquête sociologique à grande échelle (20 000 répondants) intégrant un agent conversationnel, et une démarche expérimentale de fine-tuning visant à produire et analyser des versions adaptées d'un LLM selon différents profils sociodémographiques.

Ce projet interdisciplinaire, à la croisée de la sociologie et du machine learning, est porté par Nathan Ferret (MCF en sociologie, ENS de Lyon) et sera accueilli au Centre Max Weber en lien avec le Centre Blaise Pascal. Le poste sera rattaché à l’équipe « Dispositions, pouvoirs, cultures, socialisations », sur le site Descartes de l’ENS de Lyon. 

MISSION :

La personne recrutée sera responsable des dimensions techniques du projet, en collaboration étroite avec le porteur et un ingénieur d’études en sociologie. Le projet articule une enquête sociologique à grande échelle intégrant un agent conversationnel et une démarche expérimentale d'analyse et d'adaptation de modèles de langage. Le projet offre ainsi un cadre de recherche à l'interface des sciences sociales et computationnelles, avec des perspectives de valorisation académique (co-signature d'articles, participation à un colloque international).            

Les missions couvrent trois axes principaux, correspondant aux trois phases du projet :  

• La configuration d'un LLM open-weight en environnement auto-hébergé (sur serveur CBP), son intégration à un dispositif d'enquête en ligne (via Qualtrics) et la mise en place du pipeline de données associé (collecte, stockage, préparation)     
• L’extraction et l'analyse d'embeddings, ainsi que le fine-tuning de plusieurs versions du modèle selon différents sous-corpus d’entraînement        
• La mise en place de protocoles de prompt-testing et l'analyse des sorties générées (stylométrie, classification), avec exploration de méthodes classiques d'analyse interne des modèles (activations, embeddings).  

Formation et expérience

• Doctorat en informatique, NLP, machine learning ou domaine connexe ; ou Master 2 avec 2-3 ans d'expérience professionnelle en ingénierie NLP/ML
• Spécialisation ou une expérience significative sur les modèles de langage (LLM)

Compétences techniques requises

• Maîtrise des architectures Transformer et des LLM (compréhension fine du fonctionnement)
• Expérience pratique du déploiement de LLM open-weight (Llama, Mistral, etc.) et des outils associés (vLLM, HuggingFace Transformers, etc.)
• Maîtrise des techniques de fine-tuning efficient (LoRA, adapters, QLoRA)
• Solide expérience en Python et des bibliothèques ML/NLP (PyTorch, transformers, scikit-learn)
• Expérience de l'extraction et de l'analyse d'embeddings, de la réduction dimensionnelle (UMAP, t-SNE, PCA)

Compétences techniques et transversales souhaitées

• Expérience en interprétabilité des modèles (mechanistic interpretability, probing, saliency)
• Connaissance des méthodes de stylométrie computationnelle
• Familiarité avec les environnements HPC / GPU
• Expérience de développement d'API et d'intégration de services

Compétences transversales

• Capacité à travailler en contexte interdisciplinaire (dialogue avec les sciences sociales)
• Autonomie, rigueur et capacité d'initiative
• Intérêt pour les enjeux sociétaux de l'IA

 

Document attendu dans votre dossier de candidature

• CV détaillé
• Lettre de motivation expliquant votre intérêt pour le projet et vos compétences pertinentes
• Rapport de soutenance de thèse (si disponible) et coordonnées d'1-2 référent.es (académiques ou professionnels) susceptibles d'attester de vos compétences
• Le cas échéant : lien vers des réalisations

 

Contact pour toute demande d’information : Nathan Ferret, nathan.ferret@ens-lyon.fr