Data Scientist - Contrat court H/F

Financé par l’Agence nationale de la recherche, l’ANR PACMAM associe Inria, le CNRS et le PEReN dans l’objectif de poser les bases d'un audit efficace en boîtes noires des modèles à grande capacité sous contrainte budgétaire. Le projet est organisé en trois groupes de travail, dont le dernier a pour objectif de mettre en place des méthodes opérationnelles permettant de surveiller efficacement les modèles d’intelligence artificielle (IA) générative, et en particulier les grands modèles de langage (LLM), fréquemment mis à jour par leurs fournisseurs. En effet, la plupart des LLM sont aujourd’hui accessibles à distance et fonctionnent en boîte noire : l’utilisateur envoie une requête, le fournisseur renvoie une réponse, sans visibilité sur ce qui s’exécute réellement. Or, et en particulier pour des usages critiques, il est essentiel de connaître précisément le modèle utilisé à un instant t, ainsi que son historique de modifications, y compris les éventuels changements silencieux. Si un modèle est adapté à un usage spécifique à un moment donné, il est essentiel d’en assurer un suivi continu afin de détecter toute évolution susceptible de modifier son comportement. Dès lors, il est crucial de se doter de solutions de monitoring robustes, à faible coût, capables d’assurer la surveillance continue des modifications des modèles d’IA générative.