Intégrité scientifique
L’intégrité scientifique a pour objectif de garantir le caractère scientifiquement rigoureux de la recherche ; et s’appuie sur les valeurs d’honnêteté, de fiabilité, rigueur, et transparence.
Les personnes référentes de l’intégrité scientifique s’assurent de la bonne mise en œuvre de la politique générale d’intégrité scientifique de l’établissement ainsi que de la mise en place de dispositifs, procédures de prévention et de traitement des manquements à l’intégrité scientifique.
Les personnes référentes de l’intégrité scientifique ont un rôle consultatif. Elles recueillent les allégations à tout manquement à l’intégrité (conflits liés à des activités de recherche, mise en cause des méthodes de travail). Elles peuvent travailler conjointement avec la personne référente de déontologie et faire appel à une médiation. Elles instruisent des situations qui leur sont signalées.
Contact :
Giuseppe Baldacci
Référent intégrité scientifique de la Faculté des Sciences
giuseppe.baldacci@u-paris.fr
Xavier Blanc
Référent intégrité scientifique de la Faculté des Sciences
xavier.blanc@u-paris.fr
En savoir plus
Téléchargez la Charte de déontologie, d’intégrité scientifique et d’éthique d’Université Paris Cité
Visitez la page Éthique, déontologie et intégrité scientifique
À lire aussi
Cité de l’emploi, des stages et de l’alternance 2026 : venez rencontrer votre avenir !
Appel à contribution au Festival Double•Science 2026
Retour sur l’après-midi thématique « Féminisation des filières scientifiques : mythe ou réalité ? »
Retour en vidéo de l'après-midi thématique « Féminisation des filières scientifiques : mythe ou réalité ? » du 12 décembre 2025, organisée par la Mission EDI de la Faculté des Sciences. Le 12 décembre 2025, la mission Egalité Diversité Inclusion de la Faculté des...
Adrien Petralia, lauréat du prix de thèse 2025 « Think Smartgrids »
Adrien Petralia, ancien doctorant du LIPADE et membre du groupe diNo, a remporté le Prix de thèse 2025 décerné par l’association Think Smartgrids pour ses travaux intitulés « Deep Learning for Electricity Consumption Time Series Analytics » (Apprentissage profond pour...