RESPONSABILITÉS : Dans le cadre d'un projet de recherche doctoral en intelligence artificielle symbolique-numérique, ce travail vise à développer des architectures hybrides combinant l'Analyse de Concepts Formels (ACF) et le Deep Learning pour concilier performance prédictive et interprétabilité. Le projet s'appuiera sur des méthodes innovantes d'intégration de structures symboliques (treillis de concepts) dans des modèles neuronaux profonds. La mission principale, étant de concevoir et valider des architectures hybrides ACF-Deep Learning capables d'exploiter les forces complémentaires des approches symboliques (logique, interprétabilité) et numériques (apprentissage de caractéristiques complexes). Le Doctorant en informatique aura pour objectifs de: • Développer un cadre théorique pour l'intégration des opérateurs de fermeture de l'ACF dans des couches neuronales, inspiré des principes des « Deep Forests ». • Proposer des méthodes hybrides transformant les concepts formels en features interprétables pour guider l'apprentissage profond. • Évaluer les modèles sur des défis clés en comparant avec l'ACF pure et les DNNs classiques. Vous serez au cœur de défis passionnants : • Hybridation : Combiner apprentissage symbolique et apprentissage profond sans compromis sur la transparence. • Modélisation : Concevoir des architectures novatrices (ex : couches "conceptuelles" dans les réseaux neuronaux). • Validation : Mesurer à la fois la performance et l'explicabilité sur des benchmarks variés. Ce projet offrira une opportunité unique de contribuer à l'IA explicable (XAI) en repensant les fondations des modèles hybrides, avec des applications potentielles en santé, cybersécurité ou données tabulaires. PROFIL RECHERCHÉ : Le doctorat en informatique proposé au sein de notre établissement s'inscrit dans une démarche d'excellence scientifique, visant à développer des architectures hybrides innovantes combinant l'Analyse de Concepts Formels et le Deep Learning. Ce projet offre un cadre stimulant pour contribuer aux avancées en IA explicable (XAI) et modèles symbolico-numériques. Vous êtes titulaire d'un master 2 (ou équivalent) en informatique (mathématiques appliquées ou IA, avec une spécialisation en intelligence artificielle) Vous possédez des compétences techniques en : Machine/Deep Learning, programmation Python (PyTorch/TensorFlow) et manipulation de données, structures discrètes (logique, algèbre) et/ou en l'Analyse de Concepts Formels (un atout) ainsi qu'un Bon niveau d'anglais. Une appétence pour la recherche fondamentale en IA symbolique et la capacité à travailler à l'interface entre théorie et expérimentation seront essentielles.