Post-doctorant·e en Natural Language Processing (NLP) & Calibration Statistique

Ce post-doctorat est rattaché au LIRIS (UMR 5205), laboratoire de recherche de référence en informatique basé à l’Université Lyon 1. Le·la post-doctorant·e sera accueilli·e au sein du LIRIS, dans un environnement scientifique stimulant, au contact de chercheurs spécialisés en intelligence artificielle, vision, NLP et statistique.

Le projet est co-encadré par Omundu, une startup deeptech fondée en 2025, qui développe des technologies d’IA générative appliquées à la maintenance industrielle. Omundu est née d’un constat terrain fort : malgré des machines industrielles toujours plus puissantes, connectées et innovantes, les sites peinent à les faire tourner… faute de personnel qualifié.

C’est face à cette pénurie de savoir-faire technique que les fondateurs — Mehdi (IA industrielle), Xavier (entrepreneuriat transatlantique) et Vincent (20 ans d’innovation industrielle) — ont décidé de créer Omundu : une plateforme d’assistance IA pour les opérateurs de maintenance. Leur mission : réduire les pannes, accélérer les diagnostics, et remettre les lignes de production en marche — sans dépendre d’experts rares ou d’interfaces complexes.

La solution développée par Omundu, Unity Forge, repose sur l’exploitation intelligente de données multimodales industrielles (texte, image, schémas, documentation, etc.) et s’inscrit pleinement dans les enjeux du projet de recherche : construire des modèles compacts (SLM), fiables, interprétables et adaptés au terrain.

L’équipe Omundu cultive une culture d’expérimentation et de rigueur, au croisement de la recherche et de l’industrie. Des locaux à Lyon sont en cours d’ouverture pour faciliter les échanges avec ses partenaires académiques et industriels.

Le LIRIS (Université Lyon 1) recrute un·e post-doctorant·e pour un projet de recherche appliquée mené en partenariat avec la startup deeptech Omundu.

Ce projet s’inscrit dans une dynamique à la croisée de la recherche académique et de l’innovation industrielle, avec pour objectif de développer une nouvelle génération de Small Language Models (SLM) multimodaux — capables de traiter des données texte et image tout en offrant des garanties statistiques sur leur niveau de confiance (calibration, prédiction conforme).

Encadré·e par une équipe mixte LIRIS / Omundu, vous serez chargé·e d’explorer, implémenter et évaluer des approches avancées en NLP multimodal, tout en contribuant à la valorisation scientifique et, potentiellement, au transfert technologique dans un produit industriel.

Vous interviendrez sur :

• La revue de littérature sur les SLM, les approches de calibration et les modèles multimodaux

• Le développement et l’adaptation de méthodes de conformal prediction pour des modèles open-source de moins de 8B de paramètres

• La création de pipelines reproductibles (Python, PyTorch)

• L’évaluation expérimentale sur des jeux de données texte + image, publics et industriels

• La contribution à des publications scientifiques de haut niveau (ACL, NeurIPS, ICLR…)

Ce poste vous permettra de travailler en autonomie, tout en étant immergé·e dans une collaboration active entre un grand laboratoire de recherche et une startup technologique, avec un fort impact potentiel sur l’industrie.

Formation & parcours

• Doctorat en informatique, intelligence artificielle, mathématiques appliquées ou disciplines connexes.

• Expérience avérée en traitement du langage naturel (NLP) et/ou modélisation multimodale (texte + image).

• Participation à des projets de recherche publiés dans des conférences de référence (ACL, NeurIPS, ICLR, etc.).

Compétences techniques

• Excellente maîtrise des frameworks de deep learning : PyTorch, Transformers (HuggingFace).

• Expérience avec des modèles multimodaux tels que CLIP, Flamingo, BLIP, ou équivalents.

• Bonne compréhension des concepts de calibration, incertitude, conformal prediction ou forte appétence à se former sur ces sujets.

• Capacité à construire des pipelines expérimentaux reproductibles, bien structurés, avec une attention portée à la qualité du code (tests, documentation).

Savoir-faire appréciés

• Pratique d’outils de gestion de version (Git), de documentation technique, ou de workflows collaboratifs (Notion, Teams, etc.).

• Connaissance des modèles SLM open-source (Mistral, TinyLlama, Phi, Gemma, etc.).

• Sensibilité à l’impact industriel des travaux de recherche (transfert, valorisation, passage à l’échelle).

• Notions de DevOps/MLOps léger ou d’ingénierie logicielle.

Qualités personnelles

• Autonomie, rigueur scientifique et curiosité intellectuelle.

• Goût pour la collaboration interdisciplinaire entre recherche académique et applications concrètes.

• Bon niveau d’anglais scientifique (lu, écrit, oral).

• Volonté de contribuer à un projet ambitieux, à la frontière entre IA de pointe et usages industriels réels.