Staff Applied Research Scientist

Dans le rôle de scientifique de recherche appliquée principal(e), vous travaillerez sur des problèmes vaguement définis, pour lesquels aucune méthode éprouvée n’existe encore. ServiceNow AI Research observe le comportement des agents d’IA dans des environnements d’entreprise complexes et à grande échelle. Votre mission consiste à transformer les défis ambigus de ce portrait en orientations concrètes et testables. Vous déciderez quelles questions valent la peine d’être explorées, proposerez les modèles et les techniques pour y répondre, puis construirez, entraînerez et évaluerez vous-même les agents afin de déterminer s’ils fonctionnent. Vous validerez les nouveaux concepts avant que le reste de l’organisation ne s’y engage. Cela implique de réaliser des prototypes rapidement, de mettre à l’épreuve les hypothèses et de collaborer étroitement avec l’équipe d’ingénierie en déploiement client (Forward Deployed Engineering) pour valider les idées dans des flux de travail réels. Lorsqu’un prototype échoue sur le terrain, c’est vous qui comprendrez pourquoi et qui déterminerez la suite à donner. Vos conclusions orienteront le programme de recherche, la feuille de route produit et les pratiques d’évaluation sur lesquelles l’équipe s’appuie. Vous définirez aussi la direction technique des projets appliqués dans le cadre du programme plus large de l’équipe, encadrerez les chercheurs et les stagiaires, et représenterez les travaux par des publications, des conférences et des contributions à des projets open source. ####### As a Staff Applied Research Scientist, you will work on problems that are vaguely defined and have no playbook yet. ServiceNow AI Research sees how AI agents behave in complex enterprise environments at scale, and your job is to turn ambiguous challenges in that picture into concrete, testable directions. You will decide which questions are worth pursuing, propose the models and techniques to answer them, and then build, train, and evaluate the agents yourself to find out whether they work. You will derisk new concepts before the rest of the organization commits to them. That means prototyping quickly, stress-testing assumptions, and working side by side with the Forward Deployed Engineering team to validate ideas against real customer workflows. When a prototype fails in the field, you will be the one who understands why and what to do next. Your findings will shape the research agenda, the product roadmap, and the evaluation practices that the team relies on. You will also set technical direction for applied projects within the team's broader agenda, mentor researchers and interns, and represent the work through publications, talks, and open-source contributions. Doctorat en informatique, en apprentissage automatique ou dans un domaine connexe, ou expérience équivalente en recherche ou en application Au moins trois ans d’expérience après le doctorat, incluant du travail sur des systèmes en production ou utilisés par des usagers réels Capacité à décomposer un problème mal défini en ses composantes, à formuler des hypothèses et à concevoir des expériences pour les tester Expérience pratique de l’implémentation, de l’entraînement et de l’évaluation de systèmes basés sur les LLM et d’architectures d’agents, incluant l’utilisation d’outils, la planification et les flux de travail en plusieurs étapes Expérience dans la conception d’évaluations : définition de métriques, création de jeux de tests et analyse des modes de défaillance Connaissances pratiques des enjeux de sécurité et de sûreté des systèmes d’IA, comme l’injection de requêtes ( prompt injection ), la fuite de données ou les usages malveillants Solides compétences en développement logiciel en Python et dans les principaux frameworks d’apprentissage automatique, avec du code reproductible et maintenable Aisance à travailler directement avec des ingénieurs et des équipes en contact avec la clientèle, et capacité à traduire les résultats en recommandations claires pour des audiences produit et de direction Expérience d’encadrement de chercheurs, d’ingénieurs ou de stagiaires Usage avancé des outils agentiques dans votre propre travail Atouts Publications ou contributions open source en évaluation d’agents, en sécurité de l’IA ou en fiabilité des agents Expérience des systèmes d’IA en environnement d’entreprise, incluant la conformité, la gouvernance et les contraintes d’échelle Expérience dans la création de benchmarks, de pipelines de red-teaming ou de surveillance de modèles déployés Formation dans une discipline qui enseigne une décomposition rigoureuse, comme l’ingénierie des systèmes, la recherche en sécurité ou les méthodes formelles ####### Requirements  PhD in computer science, machine learning, or a related field, or equivalent research or applied experience Three or more years of post-PhD experience, including work on systems that run in production or close to real users Ability to break down an ill-defined problem into its components, form hypotheses, and design experiments that test them Hands-on experience implementing, training, and evaluating LLM-based systems and agent architectures, including tool use, planning, and multi-step workflows Experience designing evaluations: defining metrics, building test sets, and analyzing failure modes Working knowledge of security and safety issues in AI systems, such as prompt injection, data leakage, or misuse Strong software development skills in Python and modern ML frameworks, with reproducible, maintainable code Comfort working directly with engineers and customer-facing teams, and the ability to translate findings into clear recommendations for product and executive audiences Experience mentoring researchers, engineers, or interns Advanced use of agentic tools in your own workflow Nice to have Publications or open-source contributions in agent evaluation, AI security, or agent reliability Experience with AI systems in enterprise environments, including compliance, governance, and scale constraints Experience building benchmarks, red-teaming pipelines, or monitoring for deployed models Background in a discipline that trains careful decomposition, such as systems engineering, security research, or formal methods   Work Personas  Nous abordons notre monde du travail distribué avec flexibilité et confiance. Les profils de travail (flexible, à distance ou requis au bureau) sont des catégories attribuées aux employés de ServiceNow en fonction de la nature de leur travail et de leur lieu de travail assigné.  Pour en savoir plus, cliquez ici. Pour déterminer l'éligibilité à un profil de travail, ServiceNow peut confirmer la distance entre votre résidence principale et le bureau ServiceNow le plus proche à l'aide d'un service tiers.  Equal Opportunity Employer  ServiceNow est un employeur qui souscrit au principe de l'égalité d’accès à l’emploi. Tous les candidats qualifiés recevront une considération pour l’emploi sans égard à la race, la couleur, la croyance, la religion, le sexe, l’orientation sexuelle, l’origine nationale ou la nationalité, l’ascendance, l’âge, le handicap, l’identité ou l’expression de genre, l’état matrimonial, le statut d’ancien combattant ou toute autre catégorie protégée par la loi. De plus, tous les candidats qualifiés ayant des antécédents d’arrestation ou de condamnation seront pris en considération pour un emploi conformément aux exigences légales.  Accommodations  Nous mettons tout en œuvre offrir une expérience accessible et inclusive pour tous les candidats. Si vous avez besoin d’une mesure d’adaptation raisonnable pour compléter une partie du processus de candidature ou si vous n’êtes pas en mesure d’utiliser cette candidature en ligne et que vous avez besoin d’une autre méthode pour postuler, veuillez communiquer avec  globaltalentss@servicenow.com pour obtenir de l’aide.  Export Control Regulations  Pour les postes nécessitant l’accès à une technolo