Appel à chaire – INRIA

Aperçu

Dans un contexte de compétition internationale accrue autour de l’intelligence artificielle, Inria ouvre un appel à candidatures destiné aux jeunes chercheurs et chercheuses à fort potentiel. L’objectif est de leur offrir les moyens de structurer leur propre programme de recherche et de s’imposer comme les futurs leaders du domaine.

Portée par le Programme de recherche de France 2030 en Intelligence Artificielle (PEPR IA), cette initiative complète l’appel à chaires d’attractivité du programme en ciblant plus spécifiquement les défis stratégiques au cœur de la feuille de route scientifique d’Inria.

Une opportunité pour structurer une équipe et développer une vision scientifique. 

Ce dispositif s’adresse à des profils en début de carrière, titulaires d’un doctorat, disposant déjà d’une expérience internationale et d’une capacité à encadrer des travaux de recherche. Ouvert aux candidats du monde académique comme industriel, il vise à attirer en France des talents capables de porter des projets ambitieux.

Les personnes sélectionnées bénéficieront d’un contrat de recherche de quatre ans au sein de l’un des centres de recherche d’Inria, en lien étroit avec de grandes universités françaises. Elles auront la possibilité de constituer et diriger leur propre équipe, en recrutant doctorants, post-doctorants et ingénieurs.

Dotée d’un financement pouvant atteindre 1 million d’euros, cette chaire offre un environnement particulièrement favorable au développement de projets de recherche de haut niveau.

Des thématiques au cœur des enjeux actuels de l’IA

Les projets attendus devront s’inscrire dans les grandes priorités scientifiques nationales en matière d’IA et dans les ambitions portées par Inria. Ils devront notamment faire écho aux thématiques du PEPR IA (IA frugale et embarquée, IA de confiance, IA distribuée, fondements mathématiques de l’IA), ainsi qu’aux axes portés par l’INESIA (l’Institut national pour l’évaluation et la sécurité de l’intelligence artificielle), centrés sur la performance et la fiabilité des systèmes d’IA, l’analyse des risques systémiques et le soutien à la réglementation.

L’ensemble de ces priorités s’inscrit dans la dynamique du programme IA et de l’Agence de programme Inria, en lien étroit avec les équipes-projets, toutes mobilisées pour contribuer au déploiement de l’intelligence artificielle.

Environnement de recherche et avantages

La chaire bénéficie d’un financement sur 4 ans, pouvant atteindre 1 million d’euros, permettant de recruter plusieurs doctorants, post-doctorants et ingénieurs.

Les chercheurs de Inria ne sont pas soumis à des obligations d’enseignement, mais peuvent s’y engager s’ils le souhaitent. Par ailleurs, la majorité des équipes étant associées à de grandes universités françaises, les candidats ont la possibilité de pourvoir à un poste à temps partiel au sein d’un établissement partenaire. 

Les dossiers de candidature devront être soumis entre le 15 avril et le 1er juillet 2026. Les entretiens se tiendront courant juillet, pour une prise de poste envisagée avant la fin de l’année.

Contact : chair-ia-application@inria.fr 

Lien de l’appel sur le site INRIA : Appel – INRIA PEPR IA


Autres projets

 Bourse CEA AI Rising Talents
Bourse CEA AI Rising Talents
Le programme CEA AI Rising Talents, vous offre une formidable opportunité de concrétiser vos idées et de diriger votre propre projet de recherche au bénéfice de l’industrie et de la société.
Voir plus
 Géné-Pi
Géné-Pi
Mathématiques des modèles génératifs
Voir plus
 MacLeOD
MacLeOD
Apprentissage machine sur geometries et distributions
Voir plus
 MadLearning
MadLearning
Mathématiques de l'apprentissage profond : De la théorie aux applications
Voir plus
 MAGICALL
MAGICALL
Mathématiques des modèles génératifs: une analyse interdisciplinaire des paysages de fonctions de perte
Voir plus
 PERSNET
PERSNET
Structures PERsistantes dans les Réseaux Neuronaux
Voir plus
 PRODIGE-AI
PRODIGE-AI
PRObability, ranDom matrIx theory, Geometry and gEneralization for generative-AI
Voir plus
 TENSOR4ML
TENSOR4ML
Méthodes TENSORielles pour maîtriser l'apprentissage automatique moderne
Voir plus
 THEOREM
THEOREM
Théorie pour des modèles génératifs plus performants
Voir plus
 NNawaQ
NNawaQ
NNawaQ (Neural Network Adequate Hardware Architecture for Quantization)
Voir plus
 Package Python Keops
Package Python Keops
Package Python Keops pour les calculs tensoriels en (très) grande dimension (projet PDE-AI)
Voir plus
 MPTorch
MPTorch
MPTorch, framework d’encapsulation construit sur PyTorch
Voir plus
 FloPoCo
FloPoCo
FloPoCo (Floating-Point Cores), générateur de noyaux arithmétiques majoritairement pour les FPGA (projet HOLIGRAIL)
Voir plus
 CaBRNeT
CaBRNeT
CaBRNeT, une bibliothèque pour le développement et l'évaluation de modèles de raisonnement basé sur des cas simplifiés (projet SAIF)
Voir plus
 SNN Software
SNN Software
SNN Software, un outil open-source pour le design SNN (projet EMERGENCES)
Voir plus
 SDOT
SDOT
SDOT, logiciel pour le transport optimal semi-discret
Voir plus
 Lazylinop
Lazylinop
Lazylinop (Lazy Linear Operator), un opérateur linéaire paresseux de haut niveau basé en Python (projet SHARP)
Voir plus
 CAISAR
CAISAR
CAISAR, une plateforme de caractérisation de la sécurité et de l’intelligence artificielle robuste (projet SAIF)
Voir plus
 P16
P16
P16 ou développer, diffuser et maintenir un ensemble de bibliothèques souveraines pour l'IA
Voir plus
 AIDGE
AIDGE
AIDGE ou la plateforme ouverte de développement en embarqué du projet DEEPGREEN
Voir plus
 Jean-Zay
Jean-Zay
Jean Zay ou l'infrastructure nationale pour la communauté de recherche en IA
Voir plus
 ADAPTING
ADAPTING
Architectures adaptatives pour l'intelligence artificielle embarquée
Voir plus
 CAUSALI-T-AI
CAUSALI-T-AI
La causalité au service de la robustesse et de l’explicabilité des algorithmes d’IA
Voir plus
 EMERGENCES
EMERGENCES
Modèles émergents proche physique pour l'IA embarquée
Voir plus
 FOUNDRY
FOUNDRY
Les fondements de la robustesse et de la fiabilité en intelligence artificielle
Voir plus
 HOLIGRAIL
HOLIGRAIL
Approches holistiques pour les architectures plus efficaces pour l'inférence et l'apprentissage
Voir plus
 PDE-AI
PDE-AI
Nouvelles architectures pour l’apprentissage automatique
Voir plus
 REDEEM
REDEEM
Apprentissage automatique résilient, décentralisé et respectueux de la vie privée
Voir plus
 SAIF
SAIF
Sûreté de l’intelligence artificielle investiguée par les méthodes formelles
Voir plus
 SHARP
SHARP
Principes théoriques et algorithmiques de l’apprentissage frugal
Voir plus