Ir al contenido

Stage - Ingénieur en IA agentique : Optimisation de modèles par agents LLM F/H

Prácticas

La Défense (France)

Publicado el 20 de noviembre de 2026

  • Contrato

    Prácticas

  • Localización

    La Défense (France)

  • Fecha de inicio

    Lo antes posible

  • Salario

    Información no proporcionada

  • Teletrabajo

    No especificado

Framatome illustration
Description de la BU

'Au sein de FRAMATOME, la Direction Technique et Ingénierie assure le développement, la conception et le licensing des chaudières nucléaires et des équipements associés. Elle propose également aux exploitants des études d'ingénierie de conception, de réalisation et de services. Elle intervient, à ce titre, comme autorité technique en apportant toute son expertise afin d'offrir un haut niveau de sûreté et de performance.

Description de la mission

Rejoignez notre équipe de R&D en IA et Data Science

Vous intégrerez le Centre de compétences en Data Science et Mathématiques Avancées (DSAM) de Framatome. L'équipe, composée d'experts en IA, apprentissage machine et ingénierie nucléaire, développe des solutions innovantes appliquées à des domaines tels que les systèmes critiques embarqués, les méthodes statistiques pour la démonstration de sûreté nucléaire, l'analyse de données multiphysiques expérimentales, la robotique ou l'IA générative.

Le contexte

L'optimisation de modèles d'apprentissage mobilise de nombreuses itérations expertes. L'équipe DSAM a développé un premier démonstrateur où un agent LLM propose des modifications de code, lance des expériences et compare leurs résultats, en autonomie. Le stage poursuivra ces travaux pour mesurer l'apport de cette approche et étendre son utilisation à des projets variés de modélisation pour l'ingénierie nucléaire.

Les missions

À partir du travail existant, vous contribuerez aux axes suivants :

Améliorer les stratégies de l'agent :
  • Étudier les méthodes d'optimisation par agents LLM [1] et prendre en main le démonstrateur.
  • Comparer des modèles exécutés localement et améliorer la planification des essais, l'exploitation des résultats passés et la gestion des échecs.

Évaluer les gains et leurs limites :

Concevoir des campagnes reproductibles [2], à budget de calcul comparable, face au modèle de référence et à des méthodes classiques comme Optuna [3]. Analyser les modes de défaillance de la démarche agentique, notamment les risques de contournement des contraintes, puis proposer des moyens de détection et de maîtrise adaptés.

Consolider et préparer la réutilisation :
  • Renforcer l'exécution isolée, les outils autorisés et la traçabilité des modifications, sous le contrôle des experts.
  • Documenter les résultats et le code, puis étudier une extension à d'autres cas d'usage selon l'avancement du stage.

Environnement de travail

LLM exécutés localement sur cluster GPU, développement en Python et suivi des expériences sous Git.

Références

[1] Jiang, Z. et al. AIDE: AI-Driven Exploration in the Space of Code. arXiv:2502.13138, 2025.

[2] Wijk, H. et al. RE-Bench: Evaluating frontier AI R&D capabilities of language model agents against human experts. arXiv:2411.15114, 2024.

[3] Akiba, T. et al. Optuna: A Next-generation Hyperparameter Optimization Framework. arXiv:1907.10902, 2019.

Profil

Vous êtes étudiant(e) en Master 2 ou équivalent, spécialisé(e) en Science des Données et Intelligence Artificielle.

Vous possédez de solides compétences en apprentissage statistique et en apprentissage profond, ainsi qu'une très bonne maîtrise de Python et de ses librairies usuelles, complétée par la pratique d'un framework de Deep Learning tel que PyTorch ou TensorFlow.

Vous disposez également d'une bonne maîtrise théorique des architectures Transformers et des LLM, idéalement appuyée par une expérience sur un projet réel. Vous pratiquez Git et Linux et disposez d'un bon niveau d'anglais technique.

Une expérience en IA agentique ou en calcul sur GPU serait appréciée.

Enfin, votre curiosité scientifique, votre rigueur expérimentale et votre goût du travail en équipe seront essentiels pour réussir ce stage de recherche appliquée.

Fecha límite de candidatura

Siempre que la oferta esté en línea

Nivel de estudios

Nivel de máster o equivalente

Función

Investigación y desarrollo · Estadísticas / Datos / Matemáticas aplicadas

Más información sobre la empresa

Framatome

Leader international de l'énergie nucléaire

Framatome – L’énergie, l’expertise et l’humain au cœur de notre avenir
Comment accompagnons-nous les jeunes recrues ? On vous dit tout sur nos programmes d'intégration et de formation
Nous avons plus d'un atome en commun : rejoignez nos équipes !
Générateur de vapeur prêt à être expédié vers le réacteur Hinckley Point C
Réunion : lieu d'échanges d'idées et de co-construction
Nos équipes en action
LE2023 : Visiter 3 sites clés du nucléaire français en quelques heures, c'est possible ?
Fiers d'être certifiés Happy Trainees 2026, pour les stages et les alternances, merci à vous :)
Opérateur en activité
Des équipes bienveillantes, cela passe par du feedback positif !
Nous développons aussi des solutions de cybersécurité
Explications autour d'une pièce modélisée en 3D
Formation autour d'une maquette d'assemblage de combustible
Technicienne en opération de mesure
C'est quoi un ingénieur Essais Neutroniques ? Vincent vous explique tout !
Ta carrière dans le nucléaire chez Framatome - UNLOCKED