CS27 - Bac+5 - Stage Ingénieur Développement IA H/F

Dans l'ingénierie de fiabilité, la connaissance est rarement dans un seul document. Elle est répartie entre exigences, analyses de risques, essais, mesures, modèles de calcul, scripts et décisions. Retrouver une étude est une chose ; comprendre pourquoi une décision a été prise en est une autre.

Construire un démonstrateur qui reconstitue la chaîne de preuve technique à partir d'un corpus industriel réel.

Le démonstrateur sera appliqué à un cas de fiabilité / profil de mission / fatigue avec des données et études techniques réelles : rapports, mesures véhicule, essais, indicateurs de sévérité, méthodes de calcul et décisions de validation.

Vous contribuerez au développement d’un démonstrateur permettant de mieux exploiter et valoriser les connaissances techniques issues de l’expertise fiabilité.

L’objectif : permettre à un utilisateur d’interroger un patrimoine de connaissances et de données techniques, puis d’obtenir des réponses contextualisées, justifiées et traçables.

Le stage couvrira notamment :

• La structuration et l’exploitation de connaissances techniques ;
• Le développement de méthodes d’interrogation assistées par IA ;
• L’intégration de données et documents de différentes natures ;
• L’évaluation de la pertinence, de la robustesse et de la traçabilité des réponses ;
• La réalisation d’un prototype fonctionnel sur des cas d’usage industriels.

Les choix d’architecture et les solutions techniques seront étudiés et développés au cours du stage.

• Langage : Python
• Graphe : RDFLib, NetworkX
• IA : LLM, embeddings, RAG, GraphRAG
• Pipeline : Extraction d'entités et relations, ETL, normalisation, déduplication
• Evaluation : Ground truth expert, précision, traçabilité, gestion des contradictions

Vous êtes en dernière année d'école d'ingénieurs ou en Master 2 et vous aimez autant comprendre un problème technique que construire une solution IA propre et mesurable.

• Bon niveau en Python.
• Bases solides en IA générative / RAG ou forte motivation pour monter rapidement en compétence.
• Intérêt pour les graphes, les bases de données et la modélisation de connaissances.
• Rigueur, autonomie et goût pour l'ingénierie industrielle.

Le sujet va au-delà du chatbot documentaire. Tu travailleras sur le problème central de la capitalisation du raisonnement d'expertise : comment passer de documents dispersés à un système capable de relier une observation, une méthode, une preuve et une décision.

Objectif final : Retrouver > Relier > Expliquer > Justifier > Reproduire