STAGE : Validation puis optimisation d'un outil de Deep Learning pour le contrôle non destructif F/H

Description de l'offre

STAGE : Validation puis optimisation d'un outil de Deep Learning pour le contrôle non destructif F/H

Détail de l'offre

Informations générales

Entité de rattachement

Safran est un groupe international de haute technologie opérant dans les domaines de l'aéronautique (propulsion, équipements et intérieurs), de l'espace et de la défense. Sa mission : contribuer durablement à un monde plus sûr, où le transport aérien devient toujours plus respectueux de l'environnement, plus confortable et plus accessible. Implanté sur tous les continents, le Groupe emploie 100 000 collaborateurs pour un chiffre d'affaires de 27,3 milliards d'euros en 2024, et occupe, seul ou en partenariat, des positions de premier plan mondial ou européen sur ses marchés.

Safran est la 2ème entreprise du secteur aéronautique et défense du classement « World's Best Companies 2024 » du magazine TIME.

Parce que nous sommes persuadés que chaque talent compte, nous valorisons et encourageons les candidatures de personnes en situation de handicap pour nos opportunités d'emploi

Référence

2026-201141-175640

Description du poste

Intitulé du poste

STAGE : Validation puis optimisation d'un outil de Deep Learning pour le contrôle non destructif F/H

Type contrat

Stage

Durée du contrat

3 ou 4 mois

Statut (CSP)

Etudiant

Temps de travail

Temps complet

Parlons de votre future mission

Les aubes de turbine haute pression sont situées immédiatement en aval de la chambre de combustion des moteurs d'avion et sont soumises à des contraintes thermomécaniques extrêmes : la température y dépasse le point de fusion du matériau. Pour résister à cet environnement sévère, ces aubes sont réalisées en monocristal et intègrent des circuits internes de refroidissement.

La plateforme PFX – « Aubes de Turbine Avancée » développe actuellement une nouvelle génération d'aubes de turbine capables de fonctionner à des températures supérieures de plus de 150 °C par rapport aux générations actuelles. Cet accroissement de température visé doit permettre d'améliorer le rendement moteur, de réduire la consommation de carburant et de limiter les émissions de CO₂.

L'introduction de ces nouvelles aubes implique une refonte des procédés de fabrication, en particulier l'adaptation des moyens de contrôle non destrcutives à des géométries de plus en plus complexes. Pour automatiser ces contrôles, l'équipe explore l'intégration de méthodes de Deep Learning discriminatives, capables de modéliser la frontière entre pièces conformes et pièces anormales à partir de bases d'images de référence.

Sujet du stage

L'équipe a développé l'outil AnomalieView, basé sur la méthode PADIM, qui montre déjà des résultats prometteurs sur des cas d'usage simples.

La mission principale du/de la stagiaire sera :

·  Validation de l'outils t sur des géométries plus complexes (volumes 3D)

o Appliquer l'outil sur de nouveaux volumes 3D. ded 3D.

o Faire une étude de performance de l'outil (courbe de ROC, robustesse…)

o Adapter les paramètres de l'outils et analyser l'impact sur ses performances.

·  Optimisation des temps d'entraînement

o Les temps d'entraînement actuels dépassent 24 h.

o Exploiter au mieux les ressources GPU disponibles.

o Implémenter des techniques d'accélération récentes (optimisation des pipelines, gestion mémoire, parallélisation, etc.).

Livrables attendus

• Une ou plusieurs applications intégrées (démonstrateurs) illustrant des cas d'usage concrets.

• Un rapport de validation complet :

Métriques de performance, scripts d'évaluation, résultats reproductibles

• Améliorer la documentation de l'outil :

o README, guide d'utilisation, description des paramètres et bonnes pratiques.

o .

• Un rapport d'optimisation détaillant :

o Les actions menées,

o Les gains mesurés sur les temps d'entraînement,

o Les recommandations pour la suite (évolution, intégration, industrialisation).

Mais encore ? (avantages, spécificités, …)

• Durée du stage : 3 à 4 mois maximum

• Date de début : à convenir (démarrage dès que possible)

• Lieu : Gennevilliers

Parlons de vous

Profil recherché

• Formation :

o Étudiant(e) Bac+2 / Bac+3 en informatique, data, intelligence artificielle, traitement du signal ou traitement d'image.

• Compétences techniques :

o Excellente maîtrise de Python.

o Connaissances appréciées : PyTorch, manipulation et prétraitement de données, gestion de versions (GitLab).

• Qualités personnelles :

o Autonomie et rigueur,

o Goût pour l'expérimentation,

o Intérêt marqué pour l'IA appliquée et la vision par ordinateur.

Localisation du poste

Localisation du poste

Europe, France, Ile de France, YVELINES (78)

Ville

Rue des jeunes bois 78117 Châteaufort

Critères candidat

Niveau d'études min. requis

BAC+2

Niveau d'expérience min. requis

Jeune diplômé-e/Première expérience