Tu vois “appel IT IA” et tu te dis : “encore un truc pour les labos”. Faux.
Les appels “IT IA” de l’Université de Lyon, avec une deadline au 23 novembre 2026 à 18h, peuvent te servir si tu veux bosser avec un labo sans partir dans un projet flou de 18 mois. Mais il faut comprendre la logique : ce ne sont pas des achats de prestation, ni une équipe R&D externalisée. C’est de l’amorçage recherche, cadré, utile si tu joues le jeu.
Cette année, l’Institut Thématique “Intelligence Artificielle : enjeux, concepts et usages” (IT IA) lance deux appels avec le même calendrier pour la communauté de recherche Lyon–Saint-Étienne : les Ateliers Thématiques Pluridisciplinaires (ATP) et le soutien à des stages de master / projets de fin d’étude réalisés dans un laboratoire (année 2027). Sources officielles : Université de Lyon et site IT IA.
Le calendrier, clair et non négociable
- Dépôt : 23 novembre 2026, 18h.
- Sélection finale : 15 décembre 2026.
- Résultats : mi-janvier 2027.
Les deux appels se déposent via EasyChair (plateforme de soumission), avec des dossiers à télécharger selon le dispositif. Si tu veux y aller, n’attends pas la dernière semaine : la partie la plus longue, ce sont les données, la PI et le cadrage, pas le formulaire.
Comprendre les deux appels : ATP vs stages/PFE
1) ATP : l’atelier thématique pluridisciplinaire IA (format “cadrage + réseau”)
Un ATP, ce n’est pas “un projet” au sens livrable produit. C’est un groupe de chercheurs et chercheuses du site Lyon–Saint-Étienne, qui bossent “sur, avec ou en IA”, pour amorcer des travaux communs. Chaque ATP est piloté par au moins deux animateurs/animatrices.
La pluridisciplinarité est attendue : idéalement plusieurs établissements, labos et disciplines. Et oui, une entreprise peut participer, mais dans une posture utile : apporter un vrai besoin terrain, des contraintes, des données, et aider à cadrer un sujet qui tiendra la route.
Côté financement, l’IT IA peut soutenir un ATP jusqu’à 7 000 euros maximum par an (rencontres, journées d’étude, déplacements pour montage de projets, etc.). Ce n’est pas énorme, donc ne viens pas pour “financer une dev team”.
Ce que ça produit, concrètement (exemples cités par l’IT IA) :
- préparer une réponse à des appels à projets plus lourds,
- organiser des journées d’étude,
- créer des rencontres avec des entreprises,
- actions de médiation, formation, articles de positionnement.
Traduction entreprise : l’ATP est un bon levier si tu veux mettre les bonnes personnes autour de la table et vérifier vite si ton sujet est faisable, original, finançable, publiable, et avec qui.
2) Stages de master / projets de fin d’étude : oui, mais “côté labo”
Le deuxième appel finance un stage de master ou un projet de fin d’étude réalisé dans un laboratoire d’un établissement de l’Université de Lyon, pour l’année 2027. L’objectif est l’amorçage d’activités de recherche sur/avec/en IA.
Point clé à ne pas rater : ce n’est pas un recrutement de stagiaire pour ton entreprise. Tu peux co-construire, orienter, fournir le cas d’usage et les données, mais l’hébergement et le pilotage scientifique sont côté labo. Si tu cherches “un stagiaire qui code un MVP dans ton SI”, tu es sur le mauvais dispositif.
Ce que tu peux реально y gagner (et ce que tu ne gagneras pas)
Gains réalistes
- Accès direct à des labos locaux (Lyon et Saint-Étienne) et à une vraie logique interdisciplinaire, utile quand ton sujet mélange data, métier, contraintes humaines, robustesse, frugalité.
- Cadrage avant gros budget : un ATP sert à clarifier le “quoi”, le “pourquoi”, le “comment”, et surtout le “qui”. Avant de viser un projet financé plus lourd, c’est souvent l’étape qui manque.
- Dérisquer un sujet technique via un stage en labo : tu testes une approche, une méthode, une faisabilité, sans vendre ça comme de l’industrialisation.
- Recrutement indirect : tu rencontres des profils, tu vois comment ils travaillent, tu identifies un encadrant, un doctorant, une équipe. Ça vaut parfois plus qu’un pitch.
Ce que tu ne dois pas attendre
- un produit fini prêt à déployer,
- une obligation de résultat type contrat de prestation,
- un “one shot” sans implication interne : si tu ne mets personne côté entreprise, tu n’auras rien d’utilisable.
Comment co-construire avec un labo sans t’enliser : la méthode simple
Le risque classique, c’est la discussion infinie : “on pourrait faire”, “ce serait intéressant”, “on verra les données plus tard”. Mauvais plan. Pour éviter ça, tu viens avec une proposition cadrée en 1 page, puis tu affines.
Étape 1 : formuler un problème, pas une solution IA
Tu ne vends pas “un LLM”, “un agent”, “un modèle de prédiction”. Tu décris un problème métier mesurable.
- Qui souffre ? quel processus ? quelle fréquence ?
- Quel coût aujourd’hui (temps, erreurs, non qualité, risque) ?
- Quel gain minimum rend le sujet intéressant ?
Exemple de formulation propre : “Réduire de 30 % le temps de qualification des demandes entrantes, sans augmenter le taux d’erreur, sur 3 types de demandes.”
Étape 2 : poser la question des données dès le départ (sinon tu perds 2 mois)
Avant toute discussion algorithmique, réponds à ça :
- Quelles données existent (textes, images, capteurs, logs, ERP, CRM) ?
- Quel volume et quelle période ?
- Quelle qualité (manquants, bruit, labels) ?
- Quel accès (extraction possible, formats, anonymisation) ?
- Quelles contraintes (RGPD, secret industriel, données sensibles) ?
Si tu n’as pas ces réponses, tu peux quand même candidater, mais tu dois le dire : “données à confirmer” et prévoir un lot 0 “audit data”. Sinon, tu promets du vent.
Étape 3 : clarifier la propriété intellectuelle avant de parler livrables
La PI n’est pas un détail juridique. C’est ce qui évite la crispation au milieu du projet.
- Qui possède les données ? (souvent l’entreprise, mais attention aux droits tiers)
- Qui possède le code produit pendant le travail ?
- Qui peut publier quoi, et quand ?
- Que devient un modèle entraîné si les données sont propriétaires ?
Si tu veux une lecture de fond côté entreprises, tu peux aussi t’appuyer sur ce papier Lyon IA : https://lyon-ia.com/blog/ia-propriete-intellectuelle.
Étape 4 : distinguer POC, prototype, et industrialisation (sinon tu vas te fâcher)
Un labo peut te sortir une preuve de faisabilité, un baseline solide, un papier, parfois un prototype. Mais l’industrialisation, c’est un autre sport : MLOps, sécurité, intégration SI, supervision, coûts, support.
Pour cadrer ça proprement, garde une phrase simple : “Le livrable de ce dispositif, c’est une décision, pas un produit.”
Si tu veux structurer ton passage POC vers run, garde sous la main la checklist suivante : https://lyon-ia.com/blog/industrialiser-lia-en-dsi-a-lyon-1310-la-checklist-poc-vers-run-mlops-couts-risques.
Étape 5 : fixer un calendrier court et des livrables vérifiables
Ton antidote au projet qui s’étire : des jalons simples, des livrables concrets, et une revue régulière.
- Semaine 1 à 3 : cadrage, accès données, définition métriques.
- Mois 2 : baseline + première évaluation.
- Mois 3 : itérations + comparaison de méthodes.
- Fin : rapport de résultats, limites, et recommandation “go/no go”, plus une liste de prérequis si go.
Sur un ATP, tu traduis ça en journées d’étude, sessions de cadrage, montage AAP, et rencontres entreprises.
Les erreurs fréquentes côté entreprises (celles qui font perdre du temps à tout le monde)
1) Arriver avec une attente “produit”
“On veut une appli”, “on veut un agent branché sur l’ERP”, “il faut que ça tourne en prod en 3 mois”. Non. Dans ces appels, tu es dans une logique d’amorcage recherche. Si tu veux un produit, passe par une ESN, une startup, ou un montage R&D contractuel classique.
2) Sous-estimer le sujet des données
Le scénario le plus courant : tu annonces un cas d’usage “simple”, puis on découvre que les données sont éparpillées, non horodatées, pas labellisées, ou juridiquement inexploitables. Résultat : 80 % du temps part en nettoyage, et tout le monde est frustré.
Si tu veux éviter ça, fais un mini audit interne avant : où sont les données, qui a le droit, dans quel format, avec quel historique.
3) Confondre POC et industrialisation
Un POC, c’est démontrer que “ça peut marcher”. L’industrialisation, c’est le faire marcher tout le temps, avec des utilisateurs, des incidents, des coûts, des audits. Mélanger les deux, c’est la recette du projet qui déraille.
4) Ne pas mettre de sponsor et de référent métier
Si personne n’est responsable côté entreprise, le labo avance seul, donc il avance… à côté. Mets un sponsor (décision) et un référent métier (validation) dès le départ, même si c’est 1 heure par semaine.
5) Flou sur la confidentialité et la publication
Un labo a une culture de la publication. Une entreprise a une culture du secret. Si tu ne règles pas ça tôt, tu le règleras tard, et mal. Pose la règle : ce qui est publiable, ce qui ne l’est pas, et les délais de relecture.
Quel dispositif choisir, selon ton objectif
- Tu veux rencontrer des équipes, clarifier un sujet, préparer un futur gros projet : vise un atelier thématique pluridisciplinaire IA (ATP).
- Tu veux tester une approche technique, dérisquer une piste, obtenir un résultat documenté : vise le stage IA en laboratoire à Lyon (au sens large Université de Lyon), en acceptant le cadre recherche.
Et si ton vrai besoin, c’est “on doit cadrer notre projet IA en interne avant de parler au monde”, commence par là : https://lyon-ia.com/blog/cadrer-un-projet-ia-methode.
Checklist à copier avant de contacter un labo (version pragmatique)
- Problème : une phrase, un KPI, une cible.
- Périmètre : ce qui est dedans, ce qui est dehors.
- Données : sources, volume, qualité, accès, contraintes.
- Évaluation : métriques et méthode de test (même simple).
- Livrables : rapport, baseline, démo, recommandation go/no go.
- Calendrier : jalons mensuels, points de décision.
- PI et confidentialité : règles de base, publication.
- Ressources internes : sponsor + référent métier + contact data/IT.
Ce que tu fais cette semaine si tu veux déposer avant le 23/11
Plan simple, sans blabla :
- Jour 1 : écris le problème et le KPI. Une page max.
- Jour 2 : inventorie les données et les contraintes d’accès.
- Jour 3 : clarifie PI et confidentialité en interne (même un pré-accord).
- Jour 4 : propose 2 ou 3 livrables vérifiables + un calendrier.
- Jour 5 : contacte un ou deux labos, puis ajuste pour coller à leur réalité.
Si tu veux un point d’entrée “écosystème”, tu peux aussi regarder la cartographie maison des acteurs académiques : https://lyon-ia.com/blog/laboratoires-recherche-ia-lyon.
Sources officielles
- Université de Lyon, page appels ATP et soutien stages/PFE (deadline, calendrier) : https://www.universite-lyon.fr/appels-a-ateliers-thematiques-pluridisciplinaires-et-a-soutien-de-stages-de-master-ou-de-fin-d-etude--429692.kjsp?RH=1764929243227
- IT IA Université de Lyon, présentation des ATP : https://ia.universite-lyon.fr/ateliers-thematiques-pluridisciplinaires-427668.kjsp
- IT IA Université de Lyon, appel stages de masters : https://ia.universite-lyon.fr/appel-a-stages-de-masters-427995.kjsp
Le point à retenir : ces appels sont un bon outil si tu cherches un partenariat entreprise laboratoire à Lyon qui débouche sur une décision solide, pas sur une démo marketing. Arrive avec un problème mesurable, des données identifiées, des règles PI claires et un planning court. Là, tu co-construis. Sinon, tu t’enlises.
Laisser un commentaire