Mission : Le ou la candidat·e retenu·e développera un cadre computationnel pour étudier l'émergence d'information durant l'embryogenèse, en combinant théorie de l'information, mesures de complexité et apprentissage par renforcement multi-agents afin de révéler et quantifier la complexité morphogénétique fonctionnelle Activités : • Concevoir et implémenter des métriques d'information et de complexité appliquées à des données embryonnaires 3D+temps (ex. information mutuelle, information positionnelle/corrélationnelle, complexité algorithmique, métriques topologiques / invariants). • Développer une approche d'apprentissage par renforcement multi-agent où les cellules sont modélisées comme des agents apprenant des politiques d'action sous contraintes mécaniques/biophysiques, avec définition de signaux de récompense (structure finale, robustesse, contraintes topologiques, etc.). • Construire et maintenir une chaîne de calcul reproductible (pipelines de données, entraînements, évaluation, gestion d'expériences), et contribuer à la diffusion logicielle (documentation, dépôt, bonnes pratiques). • Interagir étroitement avec les biologistes/biophysicien·nes et les autres profils computationnels de l'équipe, participer à la rédaction d'articles, présentations et à la vie scientifique de l'unité.