RESPONSABILITÉS : -Traduire les questions de régulation en problèmes expérimentaux, sur contenus audiovisuels et numériques. -Concevoir des plans d'expérience et mobiliser l'inférence causale pour estimer l'effet d'un système ou d'une intervention. -Mesurer circulation, diffusion et exposition : bulles de filtre, effets des recommandations. -Caractériser comportements coordonnés, harcèlement organisé et écosystèmes d'influenceurs à partir de signaux combinés. -Construire et itérer les modèles de réseaux, clustering, anomalies et similarité, avec deux doctorants sur les réseaux. -Apporter les méthodes au pôle audiences et aux demandes des directions : indicateurs, parité, évaluation de chaînes automatiques. -Exploiter les données accessibles (transparence, DSA, API, partenaires) ; rédiger et présenter les résultats avec les laboratoires partenaires. PROFIL RECHERCHÉ : -Doctorat, ENS, école d'ingénieurs ou master quantitatif avec trois à cinq ans d'expérience (data scientist confirmé-e). -Science des données, statistique, économétrie, informatique, physique appliquée, réseaux ou sciences sociales computationnelles. -Python, SQL et écosystème ML moderne ; PyTorch, Hugging Face, pratique concrète des LLM et de l'IA générative. -Maîtrise des outils algébriques et statistiques, ainsi que du formalisme nécessaire à la lecture d'articles à l'état de l'art en ML et genAI. -Conception d'expériences et pratique de l'inférence causale. -Analyse de graphes ou de réseaux : construction, communautés, centralités, diffusion, réseaux temporels selon les cas. -Clustering, détection d'anomalies, similarité ; data science générale : exploration, classification, modélisation, visualisation. -Code lisible, versionné, reproductible ; savoir expliquer signal, corrélation et conclusion démontrée ; anglais professionnel. -Autonomie dans les itérations, l'exécution, le partage de résultats -Recommandation, comportements coordonnés, intégrité de l'information, données de plateformes ou d'exposition seraient un plus.