Vous êtes motivé/e, passionné/e par la recherche, les sciences et les nouvelles technologies ? Nous recherchons notre futur/future Doctorant/Doctorante dans le cadre de l'utilisation Utilisation de l'IA générative et des grands modèles de langage(LLMs) pour le développement d'une approche conversationnelle de la gestion des réseaux ! Vos missions : L'objectif de cette thèse est d'étudier des stratégies collaboratives et évolutives à base de LLMs (Du23)(Bernardino24) visant à améliorer progressivement la qualité des solutions générées. Les stratégies envisagées consisteront à utiliser différents LLMs capables de collaborer entre eux(Huang23) pour produire un résultat. Des modules ou agents interconnectés (Li23)(Park23) seront mis en œuvre, chacun spécialisé dans une tâche spécifique (summariser, analyzer, planner, optimizer et validator). Il pourra s'agir de simples scripts spécialisés utilisant des prompts personnalisés pour simuler des rôles, ou de LLMs adaptés via un fine-tuning (Ding23)(Dettmers24). Ainsi, le summariser tiendra à jour un résumé de la situation actuelle. L'analyzer sera chargé de la traduction et de l'expansion des intentions de l'utilisateur. Le planner utilisera les données analysées pour générer des solutions potentielles en fonction du contexte et des exigences du réseau. L'optimizer évaluera ensuite ces plans, en tenant compte de divers facteurs tels que la faisabilité, les performances, le temps et l'allocation des ressources. Les stratégies collaboratives et évolutives à base de LLMs proposées dans cette thèse seront évaluées et optimisées sur un cas d'usage IoT-Edge-Cloud Continuum (IECC) (Gkonis23). Le continuum IoT-Edge-Cloud implique en effet des ressources hétérogènes, ce qui augmente la complexité des solutions envisagées. Les grands modèles de langage (LLMs) peuvent être utilisés dans ce contexte pour gérer les contraintes de ressources, assurer la collaboration entre les dispositifs, et fournir une gestion du cycle de vie des services à travers le placement, la migration, lesuivi et la gestion de services/micro services sur le continuum. L'utilisation des LLMs dans la fourniture et l'assurance des services, tout au long de leur cycle de vie, est indispensable en raison de la complexité du continuum IECC. En effet, il s'agit de concilier d'une part, une collaboration entre des éléments de calcul et de réseau très diversifiés, et d'autre part, un ensemble extrêmement varié d'exigences de services à satisfaire pour différents secteurs verticaux. Dans cette thèse, nous allons spécifiquement nous focaliser sur les problématiques de recherche suivantes : Explorer des stratégies collaboratives impliquant plusieurs LLMs coopérant pour générer des résultats. Proposer de nouveaux agents spécialisés, tels qu'un summariser, entre autres, afin d'optimiser les performances. Etudier des méthodes permettant de réduire les échanges entre agents et d'accélérer la convergence vers des solutions pertinentes. Valider et optimiser les approches proposées pour un cas d'usage IoT-Edge-Cloud Continuum. Ce poste est fait pour vous si : Vous possédez une maitrise des techniques récentes d'apprentissage automatique (Deep learning,LLM) et/ou des connaissances dans le domaine de l'Internet des Objets (IoT) seraient un plus. Cette thèse sera co-supervisée par le LEAT de l'Université Côte d'Azur (UniCA) et le L3i de La Rochelle Université. Elle s'effectuera dans le cadre d'un projet collaboratif, le candidat sera ainsi amené à interagir avec les différents partenaires du projet et à participer aux réunions d'avancement. Vous devrez également publier et présenter son travail en anglais à des conférences internationales et dans des revues scientifiques à comité de lecture : une bonne maîtrise de l'anglais oral et écrit est requise.