Post-doctorat : modélisation épidémiologique, inférence bayésienne et intelligence artificielle

Vous contribuerez plus particulièrement au développement de méthodes reposant sur des algorithmes d’intelligence artificielle – Neural Posterior Estimation (NPE), Neural Likelihood Estimation (NLE) et d’autres méthodes apparentées – permettant l’intégration simultanée de données hétérogènes : données épidémiologiques telles que l’incidence ou la séroprévalence, données génomiques et résultats d’analyses phylodynamiques, données démographiques et de mobilité des populations hôtes, données environnementales et géospatiales, informations relatives aux interventions sanitaires. 

Vous appliquerez les méthodes développées à différents modèles épidémiologiques simulant la transmission d’agents pathogènes d’intérêt en santé humaine et animale, notamment l’influenza saisonnière et le SARS-CoV-2 chez l’être humain, ainsi que le virus de la dermatose nodulaire contagieuse chez les bovins.

L’objectif général de ces travaux est de produire des outils capables d’estimer rapidement les principaux paramètres épidémiologiques, de quantifier rigoureusement les incertitudes associées à ces estimations et de fournir des projections régulièrement actualisées afin d’éclairer la préparation, la surveillance et la réponse aux crises sanitaires.

Enfin, vous assurerez la mise en œuvre informatique des méthodes développées sous la forme de pipelines d’analyse reproductibles en Python et/ou en R, ainsi que leur documentation et leur diffusion sous forme d’outils open source à destination de la communauté scientifique. Vous contribuerez également à la valorisation des travaux par la rédaction d’articles scientifiques et la présentation des résultats lors de réunions de consortium et de conférences internationales.