Data Scientist, Lab & Protein Data

Adaptyv construit un laboratoire automatisé qui permet à des agents d'IA de mener des expériences de biologie.

Nous entrons dans l'ère de la science agentique où les modèles d'IA peuvent désormais concevoir de nouvelles protéines, proposer des hypothèses et itérer sur les résultats expérimentaux. Mais ils ne peuvent pas mener les expériences eux-mêmes — c'est encore un processus manuel de plusieurs mois. Nous construisons l'infrastructure qui donne aux agents d'IA l'accès au monde physique.

Nous sommes l'une des entreprises de biotechnologie à la croissance la plus rapide, ayant gagné la confiance de biopharmas de premier plan, de laboratoires d'IA de pointe et d'entreprises de techbio qui font progresser le domaine. C'est une chance rare de contribuer à l'avancement de certains des travaux les plus importants de la biotechnologie aujourd'hui.

Notre laboratoire automatisé est alimenté par une pile logicielle + matérielle profonde : des instruments de laboratoire valant des millions de USD rétro-conçus en matériel contrôlable par API, des dizaines de dispositifs orchestrés via des flux de travail complexes, une observabilité complète de tout ce qui se passe dans le laboratoire, des pipelines de traitement pour les données physiques du monde réel désordonnées, et des systèmes d'IA qui dépannent les résultats de production et accélèrent le développement d'essais.

Nous nous développons rapidement et recrutons des personnes talentueuses pour passer à l'échelle et soutenir la demande massive pour l'expérimentation en laboratoire humide (wet lab) pilotée par l'IA.

À propos du rôle

Vous construirez la couche de science des données de la fonderie d'Adaptyv — le travail qui transforme des dizaines de milliers de lectures expérimentales brutes et désordonnées en données propres, fiables et structurées sur lesquelles nos clients, nos modèles et nos propres scientifiques peuvent compter. Les essais de liaison (BLI/SPR), de développabilité, biophysiques et fonctionnels produisent tous des données à grande échelle ; votre travail est de rendre ces données correctes, comparables et utiles.

Cela se situe à l'intersection de trois choses : la qualité des données (ce chiffre est-il réel ou est-ce un artefact ?), la bioinformatique (lier les résultats expérimentaux à la séquence, à la structure et à la conception des protéines) et la construction de jeux de données (transformer la production de la fonderie en le type de données de haute qualité et comparables que les laboratoires d'IA de pointe recherchent réellement). Vous travaillerez épaule contre épaule avec les scientifiques de laboratoire qui mènent les essais, l'équipe logicielle qui possède les pipelines, et les clients qui entraînent des modèles sur ce que nous produisons. Il s'agit d'un rôle de construction pratique, pas de gestion.

Ce que vous ferez

• Assumer la logique scientifique de la qualité des données dans toute la fonderie : définir à quoi ressemblent les "bonnes données" pour chaque type d'essai — plages de signaux attendues, seuils de contrôle, modes de défaillance, cas limites — et les transformer en contrôles automatisés.
• Construire des modèles de détection d'anomalies et de contrôle qualité (QC) qui détectent les mauvaises données que l'œil manquerait : dérive d'essai, variabilité des instruments, effets de plaque, faux passages et faux échecs — et distinguer statistiquement le vrai signal du bruit.
• Travailler avec les équipes software et ML pour spécifier, réviser et améliorer les pipelines de données automatisés qui traitent les sorties d'instruments, en fournissant des exigences précises sur ce qui doit être signalé, rejeté automatiquement ou acheminé vers une révision humaine.
• Relier les résultats expérimentaux au côté protéique — séquence, structure et conception — afin que les données de laboratoire humide et les modèles informatiques se renforcent mutuellement.
• Transformer la production de la fonderie en jeux de données structurés, documentés et de qualité benchmark, qui constituent un véritable atout pour nos clients et pour l'entraînement et l'évaluation des modèles de conception de protéines.
• Appliquer une véritable rigueur statistique aux données multi-conditions à grande échelle — des milliers d'échantillons à travers des centaines d'expériences simultanées — et rendre les résultats interprétables et comparables d'une série à l'autre.

Ce que nous recherchons

• Solide expérience en science des données / bioinformatique — vous maîtrisez Python (pandas, numpy, la pile scientifique) et vous êtes à l'aise pour gérer de bout en bout des données expérimentales réelles et désordonnées.
• Solides bases en biologie — vous comprenez bien les protéines, les essais et la séquence/structure/fonction pour savoir ce que les données signifient, et pas seulement comment les traiter. Vous n'avez pas besoin d'être un scientifique de paillasse, mais vous ne pouvez pas être aveugle à la biologie.
• Maturité statistique — contrôle de processus, détection d'anomalies, gestion de la variabilité et des effets de lot ; vous pouvez distinguer la dérive du bruit et justifier vos conclusions.
• Bâtisseur prolifique avec des preuves à l'appui. Vous avez livré beaucoup de choses — pipelines, outils, modèles, jeux de données — et pouvez montrer des éléments concrets que vous avez construits de bout en bout et mis en usage réel, et non des prototypes morts dans un notebook. Vous avancez vite, systématisez ce qui fonctionne et n'avez aucune patience pour surveiller un tableau de bord fixe.
• Bâtisseur natif de l'IA. Nous sommes en 2026 — vous construisez par défaut avec des agents de codage comme Claude Code, et vous avez un jugement aiguisé sur ce qu'ils produisent.
• Interdisciplinaire par instinct. Travailler entre le laboratoire, le logiciel et le ML vous motive, et vous considérez l'automatisation et l'infrastructure de données comme faisant partie de votre travail.
• Bonus : expérience avec les données protéine/séquence-struct