> Markdown version of [/jobs/ext/3186784-doctorant-f-h](https://www.wearedevelopers.com/jobs/ext/3186784-doctorant-f-h). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md). --- # Doctorant F/H - **Company:** Inria - **Location:** Rennes, France (Remote available) - **Salary:** €27,600.0 - **Contract:** Temporary contract - **Skills:** Artificial Neural Networks, Intrusion Detection and Prevention, Software Engineering, Large Language Models - **Published:** September 18, 2026 - **Apply:** https://jobs.inria.fr/public/classic/fr/offres/2026-10497 ## About the Role Compétences techniques et niveau requis : expertise en sécurité, connaissances en IA Langues : Français, Anglais ## Description L'émergence des modèles de fondation constitue un changement de paradigme dans le domaine de l'apprentissage statistique (machine learning, ML). La disponibilité de modèles pré-entraînés tels que les grands modèles de langue (large language models, LLM) ou les modèles de vision comme CLIP facilite grandement le développement d'applications reposant sur l'analyse avancée de texte ou d'images, y compris pour des personnes ne disposant pas d'une expertise forte en ML. Les modèles de fondation contribuent ainsi à accélérer et massifier l'innovation technologique dans de nombreux domaines. Plus récemment, la communauté du ML orienté graphe a également commencé à développer des modèles de fondation. Tout comme les modèles précités, ces graph foundation models (GFM) ont vocation à être pré-entraînés sur un ensemble de données large et diversifié, puis appliqués sans réentraînement (mode zero-shot) à de nouveaux domaines. Les modèles les plus avancés obtiennent déjà des performances comparables, voire supérieures à l'état de l'art des réseaux de neurones graphiques (graph neural networks, GNN) traditionnels sur certaines tâches., L'objectif de cette thèse est d'étudier le potentiel des GFM pour différentes tâches liées au domaine de la cybersécurité. Cette démarche s'inscrit dans la continuité de précédents travaux consacrés à l'utilisation de GFM pour la détection de mouvements latéraux, qui fournissent un premier exemple d'application fructueuse de ces modèles dans le domaine de la détection d'intrusion. Afin d'étendre ces résultats, les pistes suivantes sont envisagées: - expérimentations sur d'autres applications en cybersécurité, notamment la classification de flux réseau, la détection d'anomalies dans des journaux système ou la détection de binaires malveillants ; - identification de modèles et méthodes efficaces pour plusieurs applications différentes : cela inclut la construction du graphe représentant les données, la formulation de la tâche à réaliser (classification de sommet, prédiction de lien, etc.) et le choix du GFM existant le plus adapté ; - conception de stratégies d'inférence permettant de maximiser la performance d'un GFM sur une tâche donnée (à l'image des chains of thought pour les LLM) ; - entraînement de GFM spécialisés pour des applications en cybersécurité, par fine-tuning de modèles existants, voire par un pré-entraînement complet reposant éventuellement sur la conception d'architectures et de méthodes d'entraînement adaptées ; - réduction de la taille et du coût computationnel d'un GFM, notamment par la distillation ou la quantification des paramètres. Les contributions espérées permettraient, à terme, de faciliter la conception d'applications ML par des experts métier dans le domaine de la cybersécurité. Elles pourraient également contribuer à améliorer l'état de l'art pour certaines applications en exploitant les capacités croissantes des GFM généralistes. À travers ces deux axes, ce projet a pour ambition plus globale d'encourager l'adoption du ML par les professionnels de la cybersécurité. ## Related Videos - [AI in the Open and in Browsers - Tarek Ziadé](https://www.wearedevelopers.com/videos/1787-ai-in-the-open-and-in-browsers-tarek-ziade) - [The Avengers Initiative (Practical Ethics for Software Engineers)](https://www.wearedevelopers.com/videos/2070-the-avengers-initiative-practical-ethics-for-software-engineers) - [Creating Industry ready solutions with LLM Models](https://www.wearedevelopers.com/videos/899-creating-industry-ready-solutions-with-llm-models) - [AI for decision-making in Tech Recruiting](https://www.wearedevelopers.com/videos/1074-ai-for-decision-making-in-tech-recruiting) - [Uncertainty Estimation of Neural Networks](https://www.wearedevelopers.com/videos/227-uncertainty-estimation-of-neural-networks) - [Unleashing the power of AI to prevent financial crime](https://www.wearedevelopers.com/videos/1088-unleashing-the-power-of-ai-to-prevent-financial-crime) ## Related Articles - [Fully Remote Software Engineer Jobs](https://www.wearedevelopers.com/magazine/447-fully-remote-software-engineer-jobs) - [Where to Find Entry-Level Software Engineering Jobs](https://www.wearedevelopers.com/magazine/397-where-to-find-entry-level-software-engineering-jobs) - [Dev Digest 191: Malware interviews, EU ❤️ Open Source and Skilled Agents](https://www.wearedevelopers.com/magazine/645-dev-digest-191-malware-interviews-eu-open-source-and-skilled-agents) - [Dev Digest 134 - Where pixels sing?](https://www.wearedevelopers.com/magazine/477-dev-digest-134-where-pixels-sing) - [How to Become an AI Engineer](https://www.wearedevelopers.com/magazine/331-how-to-become-an-ai-engineer) - [AI overspill Dec 2026: AI in a JAM, Blocking AI browsers, learning programming languages ](https://www.wearedevelopers.com/magazine/673-ai-overspill-dec-2026-ai-in-a-jam-blocking-ai-browsers-learning-programming-languages)