Date de clôture de réception de candidatures : 20/04/2026. Au sein du département Océanographie et Dynamique des Ecosystèmes (ODE), de l'unité de recherche DYNECO, placé(e) sous la responsabilité du responsable du LEBCO, vous serez en charge de mettre en œuvre des outils d'Intelligence artificielle afin de consolider différents jeux de données centraux aux activités de l'équipe.  Vous contribuerez principalement à :  - Une synthèse des utilisations des LLMs (Large Language Models) pour l'écologie.  - Au moissonnage de base de données de biodiversité dans l'objectif d'automatiser des méta-analyses basées sur l'ensemble des connaissances existantes.  - À la consolidation de bases de données sur les caractéristiques (ou traits fonctionnels) des espèces côtières. L'objectif de l'unité DYNECO (Dynamiques des Écosystèmes Côtiers) est d'évaluer la réponse des écosystèmes côtiers à un certain nombre de pressions anthropiques et naturelles. L'approche générale de cette problématique repose sur l'analyse des processus physiques et biologiques moteurs de l'écosystème et met en œuvre une démarche intégratrice basée sur l'expérimentation, l'observation in situ et la modélisation. En son sein, le laboratoire d'Écologie Benthique Côtière (LEBCO) s'intéresse plus particulièrement au déterminisme de la structuration et aux fonctionnalités associées des écosystèmes benthiques côtiers de Manche-Atlantique en lien avec ces pressions. Dans le contexte des changements globaux (changement climatique global combiné aux pressions anthropiques agissant à échelle régionale) et de leur conséquence sur la biodiversité côtière, il est critique de pouvoir s'appuyer sur l'ensemble des observations et des connaissances disponibles pour caractériser l'état des écosystèmes côtiers et suivre les changements en cours. Il est également central de mieux quantifier les processus écologiques déterminant d'une part les réponses des espèces côtières aux pressions, et d'autre part leur contribution au fonctionnement des écosystèmes côtiers. Alors que, ces dernières décennies, la multiplicité des publications scientifiques parues annuellement apporte autant d'éléments de compréhension quant à la structure, à la distribution spatiale, et aux réponses et au fonctionnement des communautés d'espèces benthiques côtières, leur trop large volume, leur hétérogénéité méthodologique et leur cadence soutenue rend difficile leur exploitation systématique pour l'écologie marine car il est véritablement impossible pour les chercheurs d'en faire un suivi détaillé et exhaustif. Quelles seront vos missions ? Afin de répondre à ces défis :  - vous contribuerez à l'application et au développement de chaînes de traitement automatisé afin de mieux valoriser les données existantes pour l'écologie benthique en particulier celles issues du large volume de publications scientifiques décrivant, d'une part, la biodiversité des écosystèmes côtiers, et d'autre part l'écologie des espèces côtières.  - L'objectif de ce contrat d'alternance visera à mieux qualifier, voire quantifier le potentiel des outils d'Intelligence Artificielle (IA) pour l'écologie côtière, et plus particulièrement pour exploiter et synthétiser l'ensemble des connaissances disponibles de manière systématique afin de caractériser les réponses des espèces aux pressions (e.g. pêche ; changement climatique) et leur contribution au fonctionnement des écosystèmes côtiers (e.g. formation d'habitat).  - En lien avec les chercheurs impliqués dans l'étude des communautés d'espèces benthiques côtières et de leur fonctionnement, vous produirez des chaînes de traitement, en appui à plusieurs projets de recherche (par exemple le projet TRIDENT), afin de : Synthétiser les utilisations de LLMs (Large Language Models) pour l'écologie. - Moissonner des bases de données de biodiversité dans l'objectif d'automatiser des méta-analyses.  - Consolider des bases de données sur les caractéristiques (ou traits fonctionnels) des espèces côtières.  Quelles seront vos activités ? Vos activités principales incluront : 1. Une synthèse des utilisations des LLMs (Large Language Models) pour l'écologie. Dans ce cadre, vous serez amené à recenser les utilisations publiées des LLMs en écologie, ainsi que leur usage par les chercheurs d'autres unités Ifremer mobilisées sur l'IA.  2. La mise en place d'une chaîne de traitement automatisée fondée sur les LLMs afin de consolider des bases de données de biodiversité en appui à des méta-analyses. Dans ce cadre, vous contribuerez à la synthèse des résultats obtenus et leur mise en perspective sur des cas d'étude ciblés. Vous contribuez à l'interprétation écologique et à l'analyses des résultats obtenus afin de caractéris