Stage - Ingénieur R&D IA Générative et Multimodale pour la Gestion des Actifs Industriels H/F

Description de l'offre

NaTran gère plusieurs dizaines de milliers de matériels industriels sur tout le réseau de transport de gaz (équipements de mesure et de régulation, stations de compression, postes rebours, postes de détente et livraison, installations biométhane). La structure s'appuie sur une volumétrie importante de données issues de sa GMAO (gestion de maintenance assistée par ordinateur).

L'exploitation de cet historique permet d'élaborer des modèles d'analyse de durée de vie et de fiabilité via l'IA explicable (XAI), l'analyse de survie et le Machine Learning. Néanmoins, l'appropriation directe de ces résultats par les experts métier s'avère complexe, car ils combinent des graphiques, des indicateurs statistiques, des profils de risque, des hypothèses techniques et des explications globales comme locales.

Le développement des systèmes d'IA générative, de l'intelligence artificielle multimodale et des grands modèles de langage (LLM) apporte de nouvelles opportunités. Ces outils peuvent désormais analyser conjointement des tableaux, des valeurs chiffrées, des arbres de décision, des visuels d'explicabilité ou de la documentation technique dans le but de formuler des orientations d'investigation, des synthèses détaillées et des préconisations opérationnelles.

Ce stage vise à imaginer des solutions et démarches qui convertissent les conclusions des études de fiabilité des installations en savoirs directement utilisables pour le pilotage des actifs de l'entreprise.

Les activités à mener s'articulent autour des axes suivants, en réalisant des analyses de machine learning principalement via des notebooks Python :

·  S'approprier les méthodes existantes d'IA explicable et d'étude de fiabilité mises en oeuvre sur les matériels de NaTran.
·  Étudier l'aptitude des modèles multimodaux et des LLM à traiter ensemble des chiffres, des visuels et des indicateurs d'XAI.
·  Élaborer une méthodologie automatisant la conversion des bilans de fiabilité en informations métiers ordonnées.
·  Formuler des préconisations concrètes pour la conduite des actifs : opérations de rénovation, démarches de maintenance, actions de surveillance, recherches sur site ou collecte d'informations additionnelles.
·  Mesurer le niveau d'explicabilité, la solidité et le suivi des recommandations produites.
·  Concevoir une structure globale et adaptable à diverses catégories d'installations industrielles.

Les éléments suivants serviront de base de travail :

·  Spécifications techniques des équipements de NaTran.
·  Historique des opérations d'entretien et des pannes.
·  Bilans d'analyses de fiabilité.
·  Sorties d'IA explicable (telles que SurvSHAP, SHAP, PFI, ALE, etc.).
·  Documentations métiers et rapports techniques.
·  Visualisations graphiques de résultats ciblés dans l'optique d'éprouver les fonctionnalités multimodales des outils.

Le stage s'adresse à un profil en Master 2 ou en dernière année d'école d'ingénieurs, formé dans les domaines de l'intelligence artificielle, des statistiques appliquées, de la data science, du génie industriel ou de la fiabilité.

Compétences et connaissances requises :

·  Bonne maîtrise du langage Python et de son écosystème (scikit-learn, pandas, SHAP, etc.).
·  Savoirs en modélisation statistique, en intelligence artificielle et dans le traitement de données du secteur industriel.
·  Aptitude au travail collaboratif en mode projet au contact de spécialistes variés.
·  Attrait pour la transition énergétique, l'analyse de fiabilité et la gestion d'actifs.

Qualités recherchées :

·  Rigueur et réactivité.
·  Autonomie et curiosité d'esprit.

Cette opportunité s'adresse à une personne souhaitant intégrer un groupe engagé dans la transition énergétique, bénéficier d'un encadrement de qualité durant la période de stage et travailler au sein d'un collectif investi en assumant des missions à réelles responsabilités.

Pour postuler, vous êtes invité à transmettre votre CV.