Doctorant CIFRE en intelligence artificielle (H/F)

Description du poste

Projet de thèse CIFRE — Apprentissage de stratégies de mémoire et de décision pour des systèmes d’IA locaux

Mots-clés : Agentic systems, LLMs, persistent memory, sequential decision-making, reinforcement learning, model routing, model specialization, sovereign AI.

Contexte scientifique

USTS développe un projet d’IA souveraine, entièrement exécuté sur une infrastructure locale, pour permettre aux entreprises de garder le contrôle de leurs données et de leurs systèmes, tout en préservant la précision et la qualité des résultats.

La thèse s’intéresse aux systèmes fondés sur des modèles de langage capables d’accomplir des tâches séquentielles : exploiter des informations, interagir avec des outils, conserver des connaissances et adapter leurs actions aux résultats obtenus. Dans ce cadre, la réussite dépend de décisions prises à différents moments de l’exécution, dont les conséquences peuvent être différées.

Le choix d’une information à conserver influence les actions futures. Le choix d’un modèle détermine le coût et la qualité d’une étape. Une vérification peut éviter la propagation d’une erreur, mais consomme des ressources supplémentaires. La mémoire, les actions et l’utilisation des modèles constituent ainsi des composantes interdépendantes du processus de décision.

Le problème étudié sera celui de l’apprentissage de stratégies coordonnées pour ces composantes, dans un environnement où les informations évoluent et où le calcul disponible est limité.

Question scientifique et hypothèses

Comment apprendre conjointement des stratégies de mémoire, d’action et d’utilisation des modèles qui maintiennent la fiabilité des tâches séquentielles lorsque les informations évoluent et que les ressources de calcul sont limitées ?

Une hypothèse centrale est que l’apprentissage de ces stratégies à partir de la réussite des tâches complètes peut améliorer le compromis entre fiabilité et coût de calcul par rapport à des stratégies optimisées séparément.

Cette hypothèse co

Annonce publiée sur Indeed et reprise par Intelligence Academy. Seule l'annonce d'origine fait foi ; nous ne sommes pas l'employeur.