STAGE – Audit de confiance et détection d'incohérences dans l'espace latent (J-space) d'un agent LLM d'analyse tactique (H/F)

Lieu : Palaiseau, France

Construisons ensemble un avenir de confiance

Thales est un leader mondial des hautes technologies spécialisé dans trois secteurs d’activité : Défense & Sécurité, Aéronautique & Spatial, et Cyber & Digital. Il développe des produits et solutions qui contribuent à un monde plus sûr, plus respectueux de l’environnement et plus inclusif. Le Groupe investit près de 4,5 milliards d’euros par an en Recherche & Développement, notamment dans des domaines clés de l’innovation tels que l’IA, la cybersécurité, le quantique, les technologies du cloud et la 6G. Thales compte près de 85 000 collaborateurs dans 65 pays. ​

Nos engagements, vos avantages

• Notre savoir-faire technologique

• Notre attention portée à l’équilibre des collaborateurs

• Un environnement inclusif et bienveillant

• Un engagement sociétal et environnemental reconnu (Thales Solidarity, indice CAC 40 ESG…)

Votre quotidien

Thales Research&Technology, notre centre de recherche dans les domaines matériels, et CortAIx Labs, notre centre de recherche en IA et digital ont pour mission de proposer des innovations de ruptures, de maintenir et d’accroitre l’avance technologique et d’en assurer la compétitivité pour le groupe.

Au sein d’un centre de commandement et de conduite des opérations (C2), les états-majors traitent en flux continu des données volumineuses, asynchrones et hétérogènes.

La fonction critique du C2 est d'assurer la conscience de situation (Situation Awareness — SA) au sens des trois niveaux d'Endsley : Perception L1 (repérer les entités), Compréhension L2 (croiser les indices pour donner du sens) et Projection L3 (anticiper la manœuvre ennemie).

 

Les architectures combinant modèles de langage (LLM) et agents autonomes constituent un levier d'aide à la décision majeur pour décharger l'opérateur. Toutefois, un risque opérationnel critique demeure : le canal textuel produit par l'agent est insuffisant pour évaluer sa fiabilité. Un LLM peut formuler une réponse parfaitement claire, fluide et affirmative, tout en s'étant laissé intoxiquer par un leurre adverse ou en ayant négligé une contradiction fondamentale.

 

Le stage étudie comment sécuriser ce flux d'aide à la décision grâce à la synergie de trois composants :

• Le RAG tactique (La mémoire opérationnelle) :
• L'Agent LLM (Le moteur de raisonnement) :
• Le J-Space / J-lens (La sonde d'audit interne) :

Issue des recherches en interprétabilité mécanistique (Anthropic), la technique du Jacobian lens (J-lens) permet de projeter les activations résiduelles des couches intermédiaires du LLM dans son vocabulaire. Ce J-space agit comme une mémoire de travail latente. Lorsque le modèle traite simultanément le rapport du drone (menace) et le leurre (absence d'ennemi), ses couches médianes calculent mathématiquement la contradiction logicielle (« conflit », « leurre », « fausse piste »). L'outil écoute ces signaux silencieux pour déclencher un avertissement indépendant de la réponse textuelle.

Vos missions

L'objectif principal est de construire un démonstrateur de détection passive d'incohérences tactiques dans l'espace latent du modèle :

 

• Corpus tactique de test (Mois 1) : Modéliser un jeu de 40 à 50 scénarios tactiques courts au format militaire standard (SITREP, INTSUM, radio), intégrant des cas cohérents, des contradictions temporelles et des intoxications informationnelles directes.
• Chaîne Agent-RAG minimale (Mois 2) :
  • Mettre en œuvre une base vectorielle simple (ex. FAISS / ChromaDB) pour le RAG.
  • Connecter un modèle à poids ouverts compact et performant (ex. LLaMA-3-8B-Instruct ou Mistral-8B) configuré avec un schéma d'appel d'outils déterministe (Tool-calling).
  • Instrumenter l'extraction des tenseurs du flux résiduel (residual stream) lors du passage des données conflictuelles.
• Audit latent & Détection par J-Space (Mois 3-4) :
  • Implémenter une référence classique (baseline) : projection directe (logit lens) et sondes linéaires (probes) sur les couches médianes.
  • Déployer l'opérateur J-lens simplifié sur les couches critiques identifiées pour projeter les activations sur des concepts clés (vrai, faux, doute, conflit).
  • Comparer l'efficacité du J-space face aux sondes linéaires pour déceler un conflit de sources non résolu.
• Indicateur de confiance opérationnel & Synthèse (Mois 5-6) :
  • Définir une métrique de divergence : mesurer l'écart entre le niveau de confiance affiché dans le texte émis et la présence de tokens d'alerte dans l'espace latent.
  • Livrer un démonstrateur logiciel épuré (API de scoring ou script de visualisation) applicable aux scénarios C2.
  • Rédiger le mémoire de stage et une note technique de synthèse valorisable en R&T.

Votre profil

Vous avez envie de découvrir le domaine de la recherche ?

Vous avez pour ambition de réaliser votre stage au sein de Thales ?

Etudiant en M2, en Ecole d’ingénieur ou formation équivalente, vous avez des connaissances en :

• Solides compétences en programmation (Python, PyTorch ou TensorFlow).
• Connaissances de base en apprentissage profond (réseaux de neurones, CNN, RNN/Transformers).
• Intelligence Artificielle ;
• Anglais (niveau B2-C1 attendu)

Rigueur, autonomie et esprit critique sont des atouts que l'on vous reconnait ? Alors ce stage est fait pour vous !

Tous nos stages sont conventionnés et soumis à une gratification dont le montant est déterminé selon votre niveau d’études.Thales, entreprise Handi-Engagée, reconnait tous les talents. La diversité est notre meilleur atout. Postulez et rejoignez nous !