L’émergence de nouveaux instruments et de méthodes d’analyse toujours plus performantes, associée à l’augmentation des volumes de données et à l’intégration de l’intelligence artificielle, transforme les pratiques des laboratoires comme celles des entreprises innovantes. Ces évolutions ouvrent de nouvelles perspectives et font émerger de nouveaux besoins en compétences.
Dans ce contexte, la formation constitue un levier essentiel pour maîtriser ces outils, exploiter des jeux de données complexes et s’approprier les technologies qui font évoluer les pratiques scientifiques.
L’offre de CNRS Formation Entreprises s’inscrit dans cette dynamique. En 2027, elle s’enrichit de nouvelles formations dans plusieurs domaines, de la transcriptomique spatiale à la cytométrie, de l’imagerie à l’intelligence artificielle. Tour d’horizon de ces technologies et des enjeux qu’elles soulèvent.
Transcriptomique spatiale : cartographier l’expression des gènes dans les tissus
En associant l’expression des gènes à leur localisation dans les tissus, la transcriptomique spatiale permet d’étudier plus finement les mécanismes biologiques et les interactions entre cellules. Elle ouvre des perspectives pour l’étude des maladies, la recherche de biomarqueurs et l’identification de cibles thérapeutiques.
L’exploitation de ces données complexes nécessite de croiser informations moléculaires, localisation spatiale et, selon les approches, données d’imagerie. Ces compétences permettent aux professionnels de mieux caractériser l’organisation cellulaire et de compléter les analyses issues d’autres méthodes, comme la transcriptomique unicellulaire.
➡️ Transcriptomique spatiale : analyse de données et intégration scRNA-seq en Python
➡️ Transcriptomique spatiale par imagerie : du smFISH au FISH multiplexé
Cytométrie : mesurer davantage de paramètres et affiner l’analyse cellulaire
La cytométrie en flux permet d’étudier simultanément plusieurs caractéristiques des cellules, notamment en immunologie, en recherche biomédicale et dans le développement de thérapies innovantes. La cytométrie spectrale élargit les possibilités d’analyse en permettant de distinguer un plus grand nombre de marqueurs au sein d’un même échantillon.
Choisir les marqueurs pertinents, adapter les protocoles et interpréter les résultats sont autant de compétences nécessaires pour caractériser finement les populations cellulaires et obtenir des données fiables.
➡️ Cytométrie : analyser des données complexes et d’images
➡️ Cytométrie : des fondamentaux à l’imagerie spectrale
➡️ Cytométrie : prise en main technologique et introduction à l’imagerie associée
➡️ Cytométrie : théorie et principes de l’acquisition spectrale
➡️ Analyses non supervisées en cytométrie à l’aide du logiciel OMIQ
Imagerie et microscopie : fiabiliser et automatiser l’analyse des images
De l’observation de structures cellulaires à l’étude de tissus entiers, les avancées en microscopie permettent d’explorer le vivant à différentes échelles, notamment en trois dimensions.
Au-delà de l’acquisition d’images de qualité, leur traitement et leur quantification sont essentiels pour exploiter les données produites. Maîtriser ces méthodes permet de fiabiliser les analyses, d’automatiser certains traitements et de standardiser les workflows, avec un gain de temps et de reproductibilité.
➡️ Donnez vie à vos idées scientifiques et créatives avec Blender 3D
➡️ Explorer le vivant en 3D avec le Serial Block Face-Scanning Electron Microscopy (SBF-SEM)
➡️ ImageJ/Fiji : comprendre et appliquer les fondamentaux du traitement d’images
➡️ ImageJ/Fiji : concevoir et programmer des macros pour automatiser des workflows d’analyse d’images
➡️ Microscopie à épi-fluorescence et microscopie confocale : des bases à la pratique
➡️ Microscopie de super-résolution basée sur la détection de molécules individuelles (SMLM)
➡️ QuPath : des fondamentaux aux workflows reproductibles d’analyse de lames virtuelles
Intelligence artificielle : comprendre les outils pour un usage maîtrisé
L’intelligence artificielle ouvre de nouvelles perspectives pour la recherche et l’innovation, en facilitant notamment l’analyse de données scientifiques et le développement de nouveaux outils. Pour exploiter ces possibilités, les professionnels doivent comprendre le fonctionnement des modèles et être en mesure d’en apprécier la pertinence et les limites. Ces questions sont d’autant plus importantes que les usages de l’IA varient selon les objectifs, qu’il s’agisse d’analyser des données, de développer des modèles prédictifs ou d’intégrer des IA génératives dans les activités professionnelles.
Dans ce contexte, l’IA de confiance vise à garantir des systèmes plus fiables, robustes et transparents. Acquérir les compétences nécessaires pour évaluer ces outils permet d’en faire un usage éclairé, en tenant compte des risques et des exigences propres à chaque application.
➡️ IA générative : comprendre les algorithmes, entraîner les modèles, évaluer les performances
➡️ Intelligence artificielle de confiance pour assister votre activité de recherche
➡️ Intelligence artificielle de confiance pour gagner du temps sur les tâches administratives
➡️ Fundamentals of Machine Learning with Python – Advanced Level
➡️ L’IA pour le prototypage rapide en électronique
Développer ses compétences au contact de la recherche
Depuis plus de quarante ans, CNRS Formation Entreprises fait le lien entre les laboratoires et le monde socio-économique, en donnant aux professionnels un accès direct aux savoirs scientifiques les plus récents. À travers une offre de plus de 280 formations, conçues et animées par les équipes scientifiques du CNRS, CNRS Formation Entreprises poursuit l’accompagnement des organisations dans leurs transformations scientifiques, technologiques, industrielles et environnementales. Ainsi, le développement des compétences au contact de la recherche constitue un levier pour soutenir l’innovation, renforcer la compétitivité des organisations et contribuer au rayonnement de la recherche publique.