Notre façon de travailler
Décider à partir des résultats
Lorsque plusieurs approches sont possibles, nous les comparons sur des expériences reproductibles et sur des critères définis à l’avance.
Rendre visibles les résultats négatifs
Les essais qui échouent ou donnent des résultats insuffisants sont documentés au même titre que les résultats positifs. Ils servent à orienter les développements suivants.
Comprendre les méthodes
Nous cherchons à comprendre l’origine d’un comportement numérique avant de modifier une méthode ou ses paramètres.
Assurer la reproductibilité
Les campagnes de calcul, les expériences et le code sont documentés de manière à pouvoir être relus, vérifiés et reproduits par une autre personne de l’équipe.
Les profils que nous cherchons
Analyse numérique
Éléments finis, méthodes itératives, préconditionnement, réduction de modèle. Vous savez pourquoi un solveur stagne.
Apprentissage et physique
SciML, apprentissage contraint, transfert entre tâches. Vous vous méfiez d'un modèle qui ne se vérifie pas.
Ingénierie logicielle scientifique
Calcul haute performance, traçabilité, reproductibilité. Vous tenez à ce qu'un résultat se rejoue à l'identique.
Envie d'en discuter ?
Dites-nous ce que vous savez faire et sur quel problème vous aimeriez travailler. Nous n'avons pas de fiche de poste à vous opposer : nous lisons tout, et nous répondons.