Job Specifications
Micropep construit une agriculture plus durable pour les générations futures. Nous développons des solutions naturelles de protection des cultures basées sur l'incroyable potentiel des micropeptides, petites molécules protéiques naturelles qui ciblent et régulent les gènes et les protéines des plantes. Nous construisons la prochaine génération de solutions durables pour les agriculteurs qui se soucient de leurs cultures et de l'avenir de notre planète.
Micropep a été fondée en 2016 en tant que spin-off de "LRSV", un laboratoire français de recherche sur les plantes du Centre national de la recherche scientifique (CNRS) et de l'Université de Toulouse, un centre d'excellence en AgriTech. A ce jour, Micropep a levé près de 60 millions de dollars auprès d'investisseurs européens et américains de premier plan et a commencé son expansion aux Etats-Unis en 2022.
Nous sommes une équipe de plus de 50 personnes accomplies et motivées, issues de différents horizons scientifiques, techniques et commerciaux. Nous sommes unis par notre désir de laisser un impact positif sur notre planète. Ensemble, nous révolutionnons la protection des cultures grâce à notre technologie exclusive des micropeptides.
Vous intégrerez une équipe R&D interdisciplinaire où l'Intelligence Artificielle est le moteur central de notre découverte de molécules actives.
Votre Mission : Expert Technique & Ambassadeur IA
Au-delà de la conception de modèles, vous serez le Référent IA incontournable de la société. Votre rôle est double :
Opérationnel : Concevoir et déployer des modèles prédictifs (design de peptides, prédiction de propriétés) avec pragmatisme et rigueur mathématique.
Stratégique : Incarner l'expertise technologique de l'entreprise. Vous serez le point de contact privilégié pour les sujets IA, tant pour aligner les équipes internes que pour crédibiliser notre approche auprès de nos partenaires externes.
Responsabilités
Développement IA / Machine Learning
Développer, entraîner et optimiser des modèles de Machine Learning / Deep Learning appliqués aux peptides.
Manipuler et analyser de larges ensembles de données biologiques (classification, régression, embeddings).
Évaluer, comparer et documenter la performance des modèles dans des rapports scientifiques et techniques.
Utiliser, adapter et améliorer des architectures modernes : transformers, LLMs protéiques, autoencodeurs, VAEs, GNNs…
Préparer les données nécessaires à l’entraînement des modèles, notamment :
définir avec l’équipe data engineering la structuration des données et les étapes de pré‑traitement,
analyser de manière critique la validité, la cohérence et les biais potentiels des données,
identifier les sources de données les plus pertinentes pour les modèles utilisés.
Design in silico de peptides
Concevoir des peptides répondant aux objectifs définis par les équipes projet.
Intégrer les contraintes biologiques, expérimentales, réglementaires/IP ainsi que les retours des scientifiques dans la conception.
Déterminer la meilleure manière d’exploiter les modèles disponibles pour guider et optimiser la génération de peptides.
MLOps & Industrialisation
Construire pour durer : Industrialiser vos modèles en pipelines reproductibles et scalables (CI/CD, Docker, Cloud).
Collaborer avec l’équipe d’engineering pour garantir l'intégrité des flux de données et transformer nos algorithmes de recherche en outils de production fiables.
Référent IA & Rayonnement (Interne/Externe)
En Interne : Agir comme un véritable "Business Partner" technologique auprès des biologistes et de la direction. Vulgariser les choix techniques, évangéliser les bonnes pratiques et aligner la roadmap IA sur la stratégie produit.
En Externe : Représenter l'excellence scientifique de l'entreprise. Piloter les collaborations avec nos partenaires académiques ou technologiques et assurer une veille active pour capter les innovations de rupture.
Compétences requises
Techniques
Solides connaissances en IA, Machine Learning et Deep Learning,
avec une bonne compréhension des architectures modernes (transformers, encoders, autoencodeurs…).
Expérience en entraînement de modèles : cross‑validation, optimisation d’hyperparamètres, pipelines ML.
Maîtrise de la gestion et exploration de bases de données (nettoyage, structuration, analyse exploratoire).
Compétences en bioinformatique ou forte sensibilité aux données biologiques.
Connaissances appréciées en biologie structurale, peptides, séquences et représentations (embeddings).
Connaissances appréciées en Cloud Computing
Scientifiques
Excellente rigueur scientifique : analyses robustes, reproductibilité, documentation claire.
Capacité à lire, interpréter et synthétiser la littérature scientifique avancée.
Relationnelles / organisationnelles
Le sens du "Service" Scientifique : Vous comprenez que l'IA est au service du produit. Vous êtes pragmatique et orienté résultat (ROI).
Communicant & Pédagogue : Vous êtes à l'aise pour expliquer des concepts complexes à des n