Descriptif du poste: L'équipe mène et contribue à des activités de recherche portant sur de nouveaux paradigmes de management de réseau et sur des mécanismes d'orchestration et d'automatisation faisant appel à des technologies avancées, en particulier celles de l'IA et des fonctions cloud native. La thèse s'effectuera au sein du projet collaboratif TREES qui vise à réduire l'empreinte carbone des réseaux 6G en intégrant l'apprentissage fédéré distribué (DFL) comme outil de prédiction des actions d'orchestration et d'amélioration de l'efficacité énergétique. DFL est un paradigme d'AI dont un des attraits est d'être moins énergivore. Pour atteindre cet objectif, TREES (i) concevra une nouvelle architecture et des algorithmes de DFL permettant de limiter la consommation d'énergie ; (ii) proposera des méthodes permettant de mutualiser les données et les apprentissages entre plusieurs applications en s'appuyant sur le cloisonnement des données offert par l'apprentissage fédéré; (iii) développera des algorithmes d'orchestration réseaux et des fonctions d'IA pour minimiser l'empreinte carbone des applications déployées ; (iv) mettra en place, sur un environnement expérimental, une boucle autonome d'administration des réseaux intégrant les différents outils développés dans le projet et des données du monde réel pour faire des évaluations de deux cas d'utilisation : " Leveraging Smart Power Grid for Telco " et " Energy-aware Multi-Tenant AI Function Orchestration ". L'objectif de la thèse est la conception et le placement dynamique de topologies de fonctions d'IA distribuées sur des topologies réseau Profil recherché: Compétences (scientifiques et techniques) et qualités personnelles exigées par le poste  Votre parcours académique ou vos expériences inclus des cours en Optimisation/Recherche Opérationnelle et/ou en Machine Learning. Vous êtes méthodique, autonome et curieux. Vous avez la volonté et la capacité de travailler au sein d'une équipe projet répartie chez plusieurs partenaires. Vous maitrisez l'anglais à l'oral et à l'écrit. Vous savez présenter/vulgariser des travaux scientifiques à un auditoire.  Formation demandée (master, diplôme d'ingénieur, doctorat, domaine scientifique et technique ...) Vous êtes titulaire d'un Master 2 ou d'un diplôme d'ingénieur en informatique ou mathématiques appliquées Expériences souhaitées (stages, ...) Une expérience de stage en Optimisation/Recherche Opérationnelle et/ou Machine Learning serait un plus. Une première expérience de publication scientifique serait un plus.