← Toutes les offres
Inria

Ingénieur neuromodulation

Inria

Strasbourg
Internet And Software
Publié le 17 novembre 2026

Description du poste

**Type de contrat :** CDD **Contrat renouvelable :** Oui **Niveau de diplôme exigé :** Thèse ou équivalent **Fonction :** Ingénieur scientifique contractuel **Niveau d'expérience souhaité :** De 3 à 5 ans **Contexte et atouts du poste** ------------------------------- Un poste d'ingénieur en neurostimulation est à pourvoir dans le cadre du projet NINO, financé par le programme Inria Quadrant (PIQ), et mené conjointement par ICube (équipe MLMS) et Inria (équipe NECTARINE). Ce projet de recherche s’inscrit dans le cadre de la création de la nouvelle équipe-projet NECTARINE et vise à développer des méthodes de neurostimulation non-invasives pour de futures applications en psychiatrie clinique. **Mission confiée** ------------------- La neuromodulation désigne les différentes techniques utilisées pour stimuler le cerveau et atténuer les symptômes de troubles mentaux ou de déficits de l'attention ; compte tenu du grand nombre de patients susceptibles d'en bénéficier, elle offre des perspectives prometteuses pour des applications cliniques. Toutefois, la neuromodulation est généralement mise en œuvre en boucle ouverte, où les paramètres expérimentaux sont fixés *a priori* et peuvent s'avérer sous-optimaux. Nous proposons ici de développer des techniques de conception optimale d'expériences (OED) et de les appliquer à la neuromodulation en boucle fermée, en adaptant les paramètres en temps réel. Nos algorithmes en boucle fermée permettront d'optimiser la délivrance des stimulations, d'éviter les effets secondaires des traitements médicamenteux et d'ouvrir la voie à une médecine personnalisée assistée par ordinateur. Le poste correspond à la phase 1 du projet, d'une durée de 14 mois. **Principales activités** ------------------------- La personne recrutée aura pour mission 1) d’analyser des données existantes (EEG, IRM, ou comportementales) enregistrées sur des participants humains durant différentes tâches cognitives (e.g. SART) pour en construire un modèle phénoménologique 2) de proposer des méthodes d’optimisation en boucle fermée pour les paramètres de neurostimulation en utilisant le modèle defini précédemment 3) de valider le contrôle en boucle fermé en réalisant des simulations in silico d'une expérience, en utilisant par exemple des réseaux récurrents. **Compétences** --------------- Compétences techniques et niveau requis : Plusieurs années d'expérience en apprentissage machine, notamment avec la toolbox PyTorch. Des exemples de projets et d'applications de l'apprentissage machine aux neurosciences ou à d'autres applications cliniques sera un plus. Langues : Excellentes compétences en communication écrite et orale en anglais. Compétences relationnelles : Solides aptitudes au travail en équipe et capacité à collaborer efficacement avec différents interlocuteurs, notamment de différents domaines (statisticiens, cliniciens, expérimentalistes...). Compétences additionnelles appréciées : La maîtrise des toolboxes MNE pour Python et E