Contrat Doctoral - Identification de Coalitions Via l'Analyse de Graphes de Collaboration Enrichis par H/F

Principes méthodologiques La thèse repose sur une approche hybride originale intégrant deux dimensions complémentaires :

1. Dimension structurelle : analyse des graphes d'interaction (noeuds = acteurs, arcs = relations de coordination) via des mesures de centralité, de connectivité et de détection de communautés.
2. Dimension sémantique : extraction et représentation automatique des croyances et positionnements idéationnels des acteurs via des techniques de Traitement du Langage Naturel (NLP : embeddings, LLM, segmentation de texte), puis propagation sémantique dans le graphe., Profil recherchéLe/la candidat.e présentera un profil SHS avec une appétence particulière pour l'intégration d'outils informatiques et sera titulaire d'un Master 2 recherche. Compte tenu du caractère interdisciplinaire du projet, deux compétences seront importantes pour mener à bien ce projet :-Approches quantitatives / Evaluation des politiques publiques : formation en économie (du développement notamment), sciences politiques et sociologie de l'action publique, avec compétences avancées en méthodes quantitatives, traitement de données et goût pour la modélisation. Une connaissance des outils et des approches en Social Network Analysis sera valorisée.-Informatique : compétences en apprentissage automatique, théorie des graphes, R/Python. Une ouverture et une appétence pour les sciences de l'ingénieur sera valorisée.Au-delà de ces compétences, sera attendu de la rigueur académique, capacité de travail interdisciplinaire en équipe, maîtrise du français (C1) et de l'anglais académique (C1), intérêt pour les questions de gouvernance, d'évaluation de politique publique et d'économie du développement.

Le/la candidat.e présentera un profil SHS avec une appétence particulière pour l'intégration d'outils informatiques et sera titulaire d'un Master 2 recherche. Compte tenu du caractère interdisciplinaire du projet, deux compétences seront importantes pour mener à bien ce projet :

-Approches quantitatives / Evaluation des politiques publiques : formation en économie (du développement notamment), sciences politiques et sociologie de l'action publique, avec compétences avancées en méthodes quantitatives, traitement de données et goût pour la modélisation. Une connaissance des outils et des approches en Social Network Analysis sera valorisée.

-Informatique : compétences en apprentissage automatique, théorie des graphes, R/Python. Une ouverture et une appétence pour les sciences de l'ingénieur sera valorisée. Au-delà de ces compétences, sera attendu de la rigueur académique, capacité de travail interdisciplinaire en équipe, maîtrise du français (C1) et de l'anglais académique (C1), intérêt pour les questions de gouvernance, d'évaluation de politique publique et d'économie du développement.

EUR

Français Machine learning Anglais Intelligence artificielle Gestion des données Python

Contrat Doctoral - Identification de Coalitions Via l'Analyse de Graphes de Collaboration Enrichis par H/F

Encadrement et environnement Direction : Thibaud DEGUILHEM, MCF, LEREPS - Sciences Po Toulouse / UTTOP ; Thierry COUDERT, MCF HDR, groupe ICE - LGP (Laboratoire Génie de Production), UTTOP. École doctorale de rattachement : TESC (ED327), Université Toulouse Jean Jaurès (UT2J) Lieu : UTTOP - Campus de Tarbes (Université de Technologie Tarbes Occitanie Pyrénées) et Manufacture des Tabacs à Toulouse (Science Po Toulouse). Le/la doctorant.e bénéficiera des ressources des deux laboratoires (LEREPS à Tarbes, Sciences Po Toulouse et du LGP à Tarbes). Contexte et ambition L'analyse de réseaux est un enjeu central en sciences sociales pour étudier la fabrication des politiques publiques dans des espaces multi-acteurs. Depuis deux décennies, l'intérêt pour ces approches n'a cessé de croître, avec pour question pivot : comment identifier, au sein d'un réseau complexe, des coalitions capables de porter des orientations idéationnelles et politiques cohérentes ? Le cadre théorique de référence est l'Advocacy Coalition Framework (ACF), l'une des approches les plus influentes en analyse des politiques publiques (Sabatier, 2014). L'ACF postule que les coalitions se forment autour de croyances communes structurées en trois niveaux hiérarchiques : les croyances fondamentales profondes (deep core), les croyances de politique publique (policy core) et les croyances secondaires, permettant aux acteurs d'identifier leurs alliés et adversaires dans un sous-système politique. Les travaux empiriques récents (Deguilhem et al., 2024 ; Schlegel et al., 2026) ont démontré l'apport des approches algorithmiques pour identifier des coalitions à partir de critères structurels (circulation des ressources, centralité des noeuds, structure des arcs). Toutefois, ces approches n'exploitent pas la dimension sémantique (homophilie des croyances), pourtant centrale dans la perspective de l'ACF. C'est précisément cette lacune que vise à combler le projet COALITICS. Ce projet doctoral, situé à l'intersection des Sciences Humaines et Sociales (SHS) et des Sciences de l'Information (SI), vise à développer une méthodologie et des algorithmes hybrides combinant analyse structurelle et sémantique de graphes (réseaux de politique publique), afin de détecter et caractériser automatiquement les coalitions dans des arènes politiques multi-acteurs. L'ambition est d'offrir aux décideurs publics de nouveaux outils d'aide à la décision, applicables notamment dans des contextes de gouvernance fragiles et dans des pays sous régime d'aide, Afrique subsaharienne notamment. Le projet s'inscrit dans la stratégie scientifique de l'UTTOP (programme NUTTeO, PIA4 « ExcellenceS »), dans les défis-clés Occitanie (« Économie circulaire - Circulades »), et préfigure un projet ANR à déposer en octobre 2026 associant le LEREPS et le LGP.