Ingénieur(e) R&D en Graph Neural Networks
—
Morphism Morphism est une société à mission convaincue que le réseau social doit rester un levier d’émancipation citoyenne plutôt qu’un instrument de manipulation de masse. Son ambition est de contribuer à un Internet où chaque voix humaine peut se faire entendre sans être noyée par les robots et les discours artificiellement amplifiés. Morphism est une société technologique qui contribue à l’émergence de nouveaux modèles d’IA de représentation probabiliste des réseaux, d’identification des comptes inauthentiques et d’actions pour moduler leur viralité. Adresse Paris/Paris-Saclay 75000 Paris/Paris-Saclay France Détail de l'offre (poste, mission, profil) Corps de texte Contexte Dans le cadre de ses activités de R&D en science des données appliquée aux réseaux sociaux, Morphism (www.morphism.co), jeune startup deeptech de Paris-Saclay, cherche à renforcer son équipe avec un(e) jeune chercheur(se) en Graph Neural Networks (GNNs). L’objectif principal est d’explorer, adapter et optimiser des modèles existants pour résoudre des problématiques de détection d’anomalies dans les graphes de diffusion d’information et de détection de comptes inauthentiques (social bots). Missions Le Ou La Candidat(e) Retenu(e) Contribuera à Identifier et sélectionner des modèles récents de GNNs pertinents pour les tâches cibles (détection d’anomalies dans un graphe, prédiction de diffusion d’information, détection de comptes inauthentiques). Implémenter, tester et comparer ces modèles sur des jeux de données synthétiques et réelles. Adapter et modifier les architectures ou les stratégies d'entraînement pour améliorer les performances (robustesse, généralisation, scalabilité). Développer des pipelines de traitement de graphes et d'entraînement de modèles en Python. Calibrer les modèles. Préparer les expérimentations sur des grands réseaux sociaux (X, Facebook, Tik Tok). Formation Spécialisation en informatique (doctorat / master / ingénieur) et de préférence expérience en recherche sur l’apprentissage automatique et les graphes. Compétences techniques Maîtrise des GNNs et leur application à des tâches comme la classification de nœuds, la prédiction de liens, la détection de structures, la détection d’anomalies. Expérience approfondie en Python, avec au moins une bibliothèque dédiée aux graphes (ex : PyTorch Geometric). À l’aise avec les outils de versioning (Git) et les workflows de recherche reproductible. Aptitudes Goût pour la recherche appliquée et l’expérimentation algorithmique dans un but d’adaptation à des problématiques du monde réel. Capacité à travailler dans un environnement évoluant rapidement et avec des contraintes de temps importantes. Travail en équipe dans une startup deeptech. Atouts supplémentaires Une première expérience sur des données réels issues de réseaux sociaux (X, Facebook, etc). Une première expérience sur des données de type séries temporelles. Intérêt pour les problématiques de passage à l’échelle (optimisation, parallélisation).
| Skill | Source | Confidence |
|---|---|---|
| Neural Networks | llm_hard |
100%
|
| Python | llm_hard |
100%
|
| Git | llm_hard |
100%
|
| Classification Algorithms | llm_hard |
80%
|
| PyTorch | llm_hard |
80%
|
| Model Optimization | llm_hard |
80%
|
| Supervised Learning | llm_hard |
80%
|
| Unsupervised Learning | llm_hard |
80%
|
| Skill | Source | Confidence |
|---|---|---|
| Teamwork | llm_soft |
100%
|
| Collaboration | llm_soft |
100%
|
| Problem-Solving | llm_soft |
100%
|
| Critical Thinking | llm_soft |
100%
|
| Analytical Thinking | llm_soft |
100%
|
| Adaptability | llm_soft |
100%
|
| Query | Country | Status | Response ms | Created |
|---|---|---|---|---|
| Ingénieur(e) R&D en Graph Neural Networks | extracted | 4747 | 2026-03-22 03:36 | |
| Ingénieur(e) R&D en Graph Neural Networks | classified | 388 | 2026-03-21 21:33 | |
| junior software engineer in France | fr | processed | 12617 | 2026-03-21 17:35 |
{
"job_id": "LdPwq7kCOpFqa_NaAAAAAA==",
"job_city": "Gif-sur-Yvette",
"job_state": null,
"job_title": "Ingénieur(e) R&D en Graph Neural Networks",
"job_salary": null,
"job_country": "FR",
"job_benefits": null,
"job_latitude": 48.701844,
"job_location": "Gif-sur-Yvette",
"job_onet_soc": "17219900",
"apply_options": [
{
"is_direct": false,
"publisher": "LinkedIn",
"apply_link": "https://fr.linkedin.com/jobs/view/ing%C3%A9nieur-e-r-d-en-graph-neural-networks-at-institut-dataia-paris-saclay-4382378298?utm_campaign=google_jobs_apply&utm_source=google_jobs_apply&utm_medium=organic"
},
{
"is_direct": null,
"publisher": "LinkedIn",
"apply_link": "https://fr.linkedin.com/jobs/view/ing%C3%A9nieur-e-r-d-en-graph-neural-networks-at-institut-dataia-paris-saclay-4382378298"
}
],
"employer_logo": "https://encrypted-tbn0.gstatic.com/images?q=tbn:ANd9GcRd4QI4dhKEQrqE9w46PtAQNsJopvbcVfPHoKCr&s=0",
"employer_name": "Institut DataIA Paris-Saclay",
"job_is_remote": false,
"job_longitude": 2.1340779999999997,
"job_posted_at": "il y a 14 jours",
"job_publisher": "LinkedIn",
"job_apply_link": "https://fr.linkedin.com/jobs/view/ing%C3%A9nieur-e-r-d-en-graph-neural-networks-at-institut-dataia-paris-saclay-4382378298?utm_campaign=google_jobs_apply&utm_source=google_jobs_apply&utm_medium=organic",
"job_highlights": {},
"job_max_salary": null,
"job_min_salary": null,
"job_description": "Morphism\n\nMorphism est une société à mission convaincue que le réseau social doit rester un levier d’émancipation citoyenne plutôt qu’un instrument de manipulation de masse. Son ambition est de contribuer à un Internet où chaque voix humaine peut se faire entendre sans être noyée par les robots et les discours artificiellement amplifiés. Morphism est une société technologique qui contribue à l’émergence de nouveaux modèles d’IA de représentation probabiliste des réseaux, d’identification des comptes inauthentiques et d’actions pour moduler leur viralité.\n\nAdresse\n\nParis/Paris-Saclay\n\n75000 Paris/Paris-Saclay\n\nFrance\n\nDétail de l'offre (poste, mission, profil)\n\nCorps de texte\n\nContexte\n\nDans le cadre de ses activités de R&D en science des données appliquée aux réseaux sociaux,\n\nMorphism (www.morphism.co), jeune startup deeptech de Paris-Saclay, cherche à renforcer son\n\néquipe avec un(e) jeune chercheur(se) en Graph Neural Networks (GNNs).\n\nL’objectif principal est d’explorer, adapter et optimiser des modèles existants pour résoudre des\n\nproblématiques de détection d’anomalies dans les graphes de diffusion d’information et de détection\n\nde comptes inauthentiques (social bots).\n\nMissions\n\nLe Ou La Candidat(e) Retenu(e) Contribuera à\n\n Identifier et sélectionner des modèles récents de GNNs pertinents pour les tâches cibles\n\n(détection d’anomalies dans un graphe, prédiction de diffusion d’information, détection de\n\ncomptes inauthentiques).\n\n Implémenter, tester et comparer ces modèles sur des jeux de données synthétiques et réelles.\n\n Adapter et modifier les architectures ou les stratégies d'entraînement pour améliorer les\n\nperformances (robustesse, généralisation, scalabilité).\n\n Développer des pipelines de traitement de graphes et d'entraînement de modèles en Python.\n\n Calibrer les modèles.\n\n Préparer les expérimentations sur des grands réseaux sociaux (X, Facebook, Tik Tok).\n\nFormation\n\n Spécialisation en informatique (doctorat / master / ingénieur) et de préférence expérience en\n\nrecherche sur l’apprentissage automatique et les graphes.\n\nCompétences techniques\n\n Maîtrise des GNNs et leur application à des tâches comme la classification de nœuds, la\n\nprédiction de liens, la détection de structures, la détection d’anomalies.\n\n Expérience approfondie en Python, avec au moins une bibliothèque dédiée aux graphes (ex :\n\nPyTorch Geometric).\n\n À l’aise avec les outils de versioning (Git) et les workflows de recherche reproductible.\n\nAptitudes\n\n Goût pour la recherche appliquée et l’expérimentation algorithmique dans un but\n\nd’adaptation à des problématiques du monde réel.\n\n Capacité à travailler dans un environnement évoluant rapidement et avec des contraintes de\n\ntemps importantes.\n\n Travail en équipe dans une startup deeptech.\n\nAtouts supplémentaires\n\n Une première expérience sur des données réels issues de réseaux sociaux (X, Facebook, etc).\n\n Une première expérience sur des données de type séries temporelles.\n\n Intérêt pour les problématiques de passage à l’échelle (optimisation, parallélisation).",
"job_google_link": "https://www.google.com/search?q=jobs&gl=fr&hl=fr&udm=8#vhid=vt%3D20/docid%3DLdPwq7kCOpFqa_NaAAAAAA%3D%3D&vssid=jobs-detail-viewer",
"employer_website": null,
"job_onet_job_zone": "4",
"job_salary_period": null,
"job_apply_is_direct": false,
"job_employment_type": "À plein temps",
"job_employment_types": [
"FULLTIME"
],
"job_posted_at_timestamp": 1772841600,
"job_posted_at_datetime_utc": "2026-03-07T00:00:00.000Z"
}