AI for Good / DeepTech for Education:

Modélisation mathématique & IA pour l’aide à l’orientation

Edumapper s’est donné pour mission d’aider les élèves (ainsi que leurs parents et leurs enseignants) à mieux s’orienter dans l’enseignement supérieur, en commençant par leur donner les capacités de concevoir avec sérénité un ensemble optimisé de vœux sur Parcoursup.

Que manque-t-il principalement aujourd’hui pour parvenir à cela ?

1. Une cartographie des formations accessibles en fonction de mon parcours scolaire antérieur, et de mes contraintes et opportunités géographiques et économiques ;

2. Une capacité à calculer mes chances d’accès à telle ou telle formation ;

3. Une capacité à calculer mes chances de réaliser tel ou tel parcours à plus long terme, en tenant compte des différentes variantes intermédiaires possibles ;

4. Une capacité à me projeter personnellement dans les parcours possibles pour comprendre s’ils me conviendront ou non, s’ils me permettront ou non de m’épanouir et de réussir.

Edumapper entend tirer parti de la puissance computationnelle et conceptuelle contemporaine des mathématiques appliquées et de l’algorithmique pour apporter des éléments de réponse et des solutions sur chacun des quatre points ci-dessus.

Soutenue par le programme DeepTech de la BPI, Edumapper dispose d’une équipe scientifique interne et co-pilote le montage d’une chaire de recherche académique à l’ENS Paris-Saclay, en collaboration avec le Centre Borelli.

Le stage proposé, et son éventuel prolongement en thèse, s’inscrit au cœur de cette ambition scientifique. Il s’agira de concevoir et mettre en œuvre des méthodes mathématiques et algorithmiques à l’état de l’art sur les quatre points, au sein de notre équipe scientifique et en collaboration avec le Centre Borelli :

• Amélioration d’algorithmes de modélisation et d’apprentissage statistiques pour l’estimation de la probabilité d’accès d’un élève donné à une formation donné,

• Développement d’un nouveau paradigme d’estimation statistique et de modélisation de parcours complexes à travers des approches agentiques de micro-simulation,

• Développement d’outils d’IA pour analyser et cartographier les profils des élèves et des formations,

• A terme, développement d’une IA d’accompagnement d’un élève dans l’exploration de la myriade des parcours possibles.

Nous recherchons un ou une stagiaire Research Scientist avec un fort intérêt pour la recherche en mathématiques appliquées et en IA, souhaitant travailler sur des problématiques complexes à fort impact sociétal, dans une perspective possible de thèse.

• Formation M2 ou grande école avec spécialisation en mathématiques appliquées, probabilités, statistiques ou machine learning (profils type MVA appréciés)

• Solides bases théoriques en apprentissage statistique et modélisation probabiliste

• Capacité à formaliser des problèmes réels en modèles mathématiques et algorithmiques

• Bonne maîtrise de Python et des outils de calcul scientifique

• Goût pour la lecture de littérature scientifique et les problématiques de recherche ouvertes

• Autonomie intellectuelle, rigueur et curiosité scientifique

• Intérêt marqué pour les sujets AI for Good, éducation et équité des parcours

Le stage s’inscrit dans une dynamique de recherche de long terme, avec possibilité d’évolution vers une thèse en lien avec notre équipe scientifique et nos partenaires académiques.

1. Call découverte avec Aminata, VP People

2. Test à distance, suivi d’un débrief avec Julien Randon-Furling (Directeur Scientifique) et Jordan Sanial (Cofondateur d’Edumapper)

3. Entretien final avec l’ensemble des cofondateurs → Proposition !