L’Université de Lorraine forme plus de 62 000 étudiants implantés sur des campus répartis sur 2 métropoles ainsi que 10 villes et agglomérations de son territoire. 7 000 personnels œuvrent à la réussite de ses missions dont 4000 personnels d’enseignement et de recherche, au sein de 60 unités de recherche structurées et reconnues, fonctionnant au travers d’un partenariat fort avec les grands organismes de recherche (CNRS, Inserm, INRAE, Inria).
Unité de recherche de l'Université de Lorraine, le Centre de recherche sur les médiations (CREM) mène un ensemble d’activités visant la production de connaissances, l’application de savoirs, la vulgarisation de la recherche, ainsi que la formation à la recherche. Ses chercheur·es interrogent les processus et formes de médiation qui cristallisent les mutations sociales, culturelles, artistiques et technologiques. Leurs travaux visent notamment à cerner les enjeux et la complexité de ces mutations.
L’Université de Lorraine recrute pour le CREM un-e ingénieur-e de recherche en Environnements Informatiques pour l’Apprentissage Humain (EIAH).
Unité de recherche de l'Université de Lorraine, le Centre de recherche sur les médiations (CREM) mène un ensemble d’activités visant la production de connaissances, l’application de savoirs, la vulgarisation de la recherche, ainsi que la formation à la recherche. Ses chercheur·es interrogent les processus et formes de médiation qui cristallisent les mutations sociales, culturelles, artistiques et technologiques. Leurs travaux visent notamment à cerner les enjeux et la complexité de ces mutations.
Au sein de l’équipe Pixel, l’objectif de ce poste est de développer, d’évaluer et d’intégrer des modèles avancés de Knowledge Tracing (KT) basés sur le cadre KTBench [1], afin d’améliorer la prédiction des performances des apprenants et de soutenir la personnalisation dans les plateformes d’apprentissage en ligne [2]. Ce travail contribuera à la fois à l’avancement des méthodes de modélisation de l’apprentissage et à leur transfert dans des applications éducatives concrètes.
Le poste consiste à développer des modèles de Knowledge Tracing (KT) innovants en utilisant des approches de deep learning, en explorant diverses architectures (séquentielles, hybrides et interprétables), et en les intégrant dans le framework KTBench.
Vous serez également chargé de mettre en place des protocoles d’évaluation expérimentale robustes, en comparant les modèles selon plusieurs critères tels que l’AUC, le F1-score, la précision, le temps d’exécution, la taille des modèles et leur impact écologique. Une analyse des compromis entre performance et efficacité sera également requise.
Vous devrez garantir la reproductibilité des expériences et documenter des pipelines de données et d’entraînement, ainsi que contribuer à la production de résultats publiables.
Par ailleurs, vous devrez développer un outil de prédiction en concevant un système intégrant plusieurs modèles de KT, permettre d’anticiper les performances des apprenants.
Vous devrez intégrer cet outil avec une plateforme e-learning en concevant une API standardisée pour plateformes d’apprentissage, en assurant la communication entre systèmes e-learning et moteur de prédiction, et en fournissant une documentation complète.
Enfin, vous participerez activement à la vie du projet en rendant compte régulièrement de l’avancement des travaux à l’équipe de recherche, en contribuant à la rédaction du rapport final et en participant à la valorisation des résultats obtenus.
Poste à pourvoir dès que possible à partir du 01/09/2026 jusqu’au 31/01/2028 (CDD de projet).
Rémunération entre 2800 et 3100 euros bruts selon expérience.
Candidature : transmettre CV et lettre de motivation au plus tard le 14/07/2026.
Vous possédez de solides connaissances en machine learning et deep learning, en architectures de réseaux de neurones pour données séquentielles, ainsi qu’une maîtrise de l’écosystème Python (PyTorch, TensorFlow, Scikit-learn). Vous êtes familiarisé(e) avec les méthodologies d’expérimentation en apprentissage automatique, le traitement des données et les principes de développement logiciel, notamment la conception d’API (REST, FastAPI/Flask). Vous avez des notions d'Environnements Informatiques pour l’Apprentissage Humain (EIAH).
Sur le plan opérationnel, vous maîtrisez la programmation Python, l'apprentissage automatique et profond et du traitement séquentiel des données.
Une expérience en expérimentation reproductible et en développement d'API est souhaitée.
Une maîtrise des pratiques de contrôle de version et de reproductibilité est recherchée, ainsi qu'un intérêt ou une première expérience en EIAH.
Vous disposez de bonnes capacités d'analyse, de synthèse pour la formalisation de problématiques scientifiques complexes. Vous êtes rigoureux (rigueur scientifique dans la conduite de travaux et interprétation de résultats expérimentaux).
Vous savez travailler en équipe, de manière collaborative, mais également en autonomie dans la réalisation et le pilotage de travaux de recherche. Vous disposez de bonnes qualités rédactionnelles (rédaction de rapports, publications, présentations orales). Vous êtes organisé doté d'un esprit critique.
Diplôme requis : Master 2 ou diplôme d’ingénieur en informatique.