The posting
A career in IBM Consulting is built on long-term client relationships and close collaboration worldwide. You’ll work with leading companies across industries, helping them shape their hybrid cloud and AI journeys. With support from our strategic partners, robust IBM technology, and Red Hat, you’ll have the tools to drive meaningful change and accelerate client impact. At IBM Consulting, curiosity fuels success. You’ll be encouraged to challenge the norm, explore new ideas, and create innovative solutions that deliver real results. Our culture of growth and empathy focuses on your long-term career development while valuing your unique skills and experiences.
We are seeking a Data Scientist with a PhD-level background in materials science, chemistry, or chemical engineering. This role is ideal for scientists who enjoy computational work, have experience with data‑driven or simulation-driven research, and want to apply AI to accelerate discovery and innovation at enterprise scale.
You will combine your scientific expertise with advanced data science and machine learning techniques to model materials, analyze experimental datasets, predict properties, optimize formulations, and support generative design. You will work closely with IBM Research, academic collaborators, and industry R&D teams to translate deep scientific knowledge into deployable AI workflows and scientific intelligence solutions
• Develop machine learning and generative AI models for materials and chemical applications, including structure–property prediction, molecular and materials generation, formulation optimization, and process modeling.
• Apply scientific knowledge to design, curate, and analyze complex datasets from experiments, simulations, spectroscopy, microscopy, computational chemistry, or materials characterization.
• Integrate ML workflows with scientific computing tools such as molecular dynamics, DFT, phase-field modeling, or multi-scale simulation frameworks.
• Collaborate with IBM Research on science foundation models and domain‑specific AI methods (material models, chemistry models, formulation models).
• Extract scientific knowledge from literature, patents, and experimental reports using knowledge graphs and document-understanding technologies.
• Validate AI‑generated hypotheses with subject-matter experts and guide experiment planning and design space exploration.
• Work directly with industry R&D clients to identify scientific challenges, design AI-enabled solutions, and communicate results.
• Contribute to Science Next platform components including data products, virtual models, agentic scientific workflows, and scientific foundation models.
REQUIRED QUALIFICATIONS
•French language is a must.
• PhD in Materials Science, Chemistry, Chemical Engineering, Physical Chemistry, Polymer Science, Nanoscience, or a closely related field.
• Strong theoretical understanding of materials or chemical systems, including structure–function relationships, thermodynamics, kinetics, or molecular interactions.
• Proficiency in Python and scientific computing libraries (NumPy, SciPy, Pandas, scikit-learn).
• Experience applying machine learning to scientific problems (materials property prediction, spectroscopy analysis, molecular modeling, structure generation, or simulation data analysis).
• Familiarity with cheminformatics or materials informatics libraries (RDKit, pymatgen, ASE, Matminer).
• Experience working with simulation tools such as MD, DFT, Monte Carlo, or finite element modeling.
• Ability to work in interdisciplinary teams and to communicate complex scientific and computational concepts clearl
• Experience with generative AI, deep learning, or foundation models in scientific domains.
• Hands-on experience with materials design, formulation science, polymers, batteries, catalysis, or advanced materials R&D.
• Understanding of high-performance computing environments or cloud computing.
• Experience with literature mining, knowledge graphs, or large scientific text corpora.
• Track record of peer-reviewed publications, patents, or contributions to open scientific datasets or software.
Une carrière chez IBM Consulting repose sur des relations durables avec nos clients et une collaboration étroite à l’échelle internationale. Vous travaillerez avec des entreprises de premier plan dans différents secteurs, en les accompagnant dans leur transformation et dans la définition de leur stratégie autour du cloud hybride et de l’IA.
Grâce au soutien de nos partenaires stratégiques, aux technologies IBM et à Red Hat, vous disposerez des outils nécessaires pour créer un impact concret et accélérer la transformation de nos clients.
Chez IBM Consulting, la curiosité est un moteur de réussite. Vous serez encouragé à remettre en question les approches existantes, à explorer de nouvelles idées et à concevoir des solutions innovantes qui produisent des résultats concrets.
Notre culture, fondée sur le développement et l’empathie, met l’accent sur votre évolution professionnelle à long terme, tout en valorisant vos compétences, votre parcours et vos expériences uniques.
Nous recherchons un(e) Data Scientist disposant d’un niveau doctorat (PhD) en science des matériaux, chimie ou génie chimique. Ce poste est idéal pour des scientifiques appréciant le travail computationnel, possédant une expérience de la recherche fondée sur les données ou la simulation, et souhaitant mettre l’IA au service de l’accélération de la découverte et de l’innovation à l’échelle de l’entreprise.
Vous combinerez votre expertise scientifique avec des techniques avancées de data science et de machine learning afin de modéliser des matériaux, analyser des jeux de données expérimentales, prédire des propriétés, optimiser des formulations et contribuer à la conception générative. Vous travaillerez en étroite collaboration avec IBM Research, des partenaires académiques et des équipes de R&D industrielles afin de transformer une expertise scientifique approfondie en workflows d’IA opérationnels et en solutions d’intelligence scientifique déployables
- Développer des modèles de machine learning et d’IA générative pour des applications liées aux matériaux et à la chimie, notamment la prédiction des relations structure-propriété, la génération de molécules et de matériaux, l’optimisation de formulations et la modélisation de procédés.
- Mettre à profit une expertise scientifique pour concevoir, structurer et analyser des ensembles de données complexes issus d’expériences, de simulations, de spectroscopie, de microscopie, de chimie computationnelle ou de caractérisation des matériaux.
- Intégrer des workflows de machine learning avec des outils de calcul scientifique tels que la dynamique moléculaire (MD), la théorie de la fonctionnelle de la densité (DFT), la modélisation de champs de phase (phase-field modeling) ou les plateformes de simulation multi-échelles.
- Collaborer avec IBM Research sur des modèles fondamentaux pour les sciences et des méthodes d’IA spécialisées (modèles pour les matériaux, la chimie et les formulations).
- Extraire des connaissances scientifiques à partir de publications, brevets et rapports expérimentaux grâce aux graphes de connaissances (knowledge graphs) et aux technologies de compréhension documentaire.
- Valider les hypothèses générées par l’IA avec des experts métier et orienter la planification expérimentale ainsi que l’exploration des espaces de conception.
- Travailler directement avec des équipes de R&D industrielles pour identifier les défis scientifiques, concevoir des solutions basées sur l’IA et communiquer les résultats obtenus.
- Contribuer aux composants de la plateforme Science Next, notamment les produits de données, les modèles virtuels, les workflows scientifiques agentiques et les modèles fondamentaux scientifiques.
- Expérience en IA générative, deep learning ou modèles fondamentaux (foundation models) appliqués aux domaines scientifiques.
- Expérience pratique dans la conception de matériaux, les sciences de la formulation, les polymères, les batteries, la catalyse ou la R&D sur les matériaux avancés.
- Bonne compréhension des environnements de calcul haute performance (HPC) ou du cloud computing.
- Expérience dans l’extraction de connaissances à partir de la littérature scientifique, les graphes de connaissances (knowledge graphs) ou l’exploitation de vastes corpus de textes scientifiques.
- Historique démontré de publications scientifiques évaluées par les pairs, de brevets ou de contributions à des jeux de données scientifiques ouverts ou à des logiciels open source.
