Bourse CEA AI Rising Talents

Aperçu

L’idée de mener votre programme de recherche vous intéresse ? Vous souhaitez développer des technologies utiles et apporter une réponse concrète aux défis technologiques majeurs de notre société ? Décrochez votre bourse AI Rising Talents et concrétisez vos idées !

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. Ce programme s’inscrit dans le cadre du PEPR IA et complète l’appel à chaires d’attractivités du programme national de recherche prioritaire en IA (PEPR IA) en ciblant les défis technologiques et stratégiques de l’institut List du CEA (CEA-List).

Associé au programme du PEPR IA, votre projet de recherche sera conduit sur 3 à 4 ans au sein d’une équipe d’accueil du CEA. Il bénéficiera d’un financement associé à la hauteur de son ambition. Vous aurez également un accès privilégié aux infrastructures de recherche dont dispose le CEA-List.

La bourse de recherche vise à renforcer le potentiel et la visibilité de chercheuses et chercheurs ayant déjà un parcours de recherche remarquable après une thèse en France ou à l’étranger et justifiant d’une expérience internationale significative, notamment en matière d’encadrement d’étudiants et de portage de projets scientifiques.

Les thématiques de propositions de projets doivent entrer dans les priorités définies par le PEPR IA. Ainsi, le projet doit porter sur la consolidation des fondements de l’apprentissage machine avec l’intégration des enjeux de :

  • Frugalité de l’IA
  • IA embarquée
  • IA décentralisée
  • Confiance de l’IA

Les candidatures au programme CEA AI Rising Talents peuvent être envoyées à partir du 1er octobre 2025 jusqu’au 31 mars 2026.

La pré-sélection aura lieu mi-avril 2026 et les auditions débuteront entre fin avril et début juin 2026.

Lien de l’appel vers le site du CEA : Bourse CEA AI Rising Talents

Contact : ai-rising-talents-contact@cea.fr


Autres projets

 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
 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
 FloPoCo
FloPoCo
FloPoCo (Floating-Point Cores), générateur de noyaux arithmétiques majoritairement pour les FPGA (projet HOLIGRAIL)
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
 Appel à chaires Attractivité
Appel à chaires Attractivité
Le PEPR IA offre aux chercheurs en IA l’opportunité d’établir et de diriger un programme de recherche et une équipe en France pour une durée de 4 ans.
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