Référence CSP: 2025-1816801 La personne titulaire du poste contribue à mettre en oeuvre la stratégie d'innovation autour du modèle de micro-simulation Ines et de modernisation des sources statistiques pour l'évaluation des politiques socio-fiscales. Ses travaux s'articulent en 2 axes : l'extension du champ aux jeunes adultes et l'intégration de nouvelles données administratives. En relation étroite avec les équipes de la DREES, l'Insee et la Cnaf qui co-gèrent le modèle et au moyen d'outils de développement partagés, la personne titulaire contribue à maintenir, développer et documenter le code du modèle sous le logiciel R, notamment à mettre à jour les paramètres législatifs, en particulier ses extensions aux mesures ciblées sur les jeunes adultes, en particulier étudiants : elle améliore les simulations des ressources des jeunes (aides parentales.), ainsi que la pondération des données d'enquêtes mobilisées sur cette population. Elle intègre également les informations portées par de nouveaux appariements de sources administratives (données sur les bourses sur critères sociaux - BCS), en évaluant la qualité du module, en assurant la réponse à la demande, en menant des travaux d'étude et d'évaluation (simulation de réforme des BCS ou d'autres prestations visant les étudiants.) et en élargissant le champ du module à d'autres publics (intégration des alternants et étude sur l'effet du soutien public à l'apprentissage). Grâce à une bonne connaissance du modèle Ines, elle veille à en suivre les évolutions, afin que le module jeune ne se développe pas en porte-à-faux des choix méthodologiques validés pour le modèle. Sur l'intégration de nouvelles données administratives, la personne titulaire exploite la source DRM, elle participe chaque année aux opérations d'exploration, d'évaluation de la qualité de la source et de redressement afin d'établir une base propre à la production d'indicateurs et à des travaux d'études. Source administrative couvrant sur une période de 36 mois l'ensemble des revenus des salariés, des revenus de remplacement, transferts sociaux et autres types de revenus, le DRM est la promesse d'un saut technologique pour l'évaluation des politiques socio-fiscales, par l'enrichissement de l'information annuelle mobilisée jusqu'à présent. Les données brutes contiennent cependant de nombreuses erreurs. Grâce aux redressements effectués au moyen de méthodes data mining (détection automatisée d'erreurs par apprentissage statistique, mise en œuvre de règles décisionnelles) qu'elle développe et à l'appariement du DRM avec des données d'enquêtes, la personne titulaire mène des travaux de prédiction et de modélisation et use de techniques innovantes en sciences des données (forêts aléatoires, réseaux de neurones etc.) pour reconstituer les trajectoires d'activité et reconstruire les parcours des bénéficiaires des prestations sociales. Elle documente la source et ses apports pour les utilisateurs non-experts et réalise des études sur des sujets innovants.