Stage - Ingénieur(e) R&D "IA générative et multimodale pour la gestion des actifs industriels" H/F

Contexte et problématique

NaTran exploite plusieurs dizaines de milliers d'équipements industriels répartis sur l'ensemble du réseau de transport de gaz : postes de détente et livraison, stations de compression, installations biométhane, postes rebours, équipements de mesure et de régulation. L'entreprise dispose d'un historique important de données issues de son système de gestion de maintenance assistée par ordinateur (GMAO).

Ces données permettent de construire des modèles d'analyse de fiabilité et de durée de vie, notamment à l'aide de techniques de Machine Learning, d'analyse de survie et d'IA explicable (XAI). Toutefois, les résultats produits par ces modèles restent souvent difficiles à exploiter directement par les experts métier. Les analyses génèrent simultanément des indicateurs statistiques, des explications locales et globales, des graphiques, des profils de risque et des hypothèses techniques dont l'interprétation nécessite une expertise importante.

L'émergence récente des grands modèles de langage (LLM), de l'intelligence artificielle multimodale et des systèmes d'IA générative ouvre de nouvelles perspectives. Ces technologies sont désormais capables d'intégrer simultanément des résultats numériques, des tableaux, des graphiques d'explicabilité, des arbres de décision ou des rapports techniques afin de produire des synthèses argumentées, des recommandations métier et des pistes d'investigation.

Objectif du stage
L’objectif de ce stage est de concevoir des méthodes et outils permettant de transformer des résultats d’analyse de fiabilité d’équipements industriels en connaissances exploitables pour la gestion des actifs industriels.

Données à exploiter
- Caractéristiques techniques de matériels de NaTran ;
- Historiques de défaillances et de maintenance ;
- Résultats d'analyses de fiabilité ;
- Résultats d'IA explicable (SHAP, SurvSHAP, ALE, PFI, etc.) ;
- Rapports techniques et documentations métier ;
- Représentations graphiques de certains résultats afin d'explorer les capacités multimodales des modèles.

Travaux à réaliser
- Comprendre les approches actuelles d’analyse de la fiabilité et d’IA explicable appliquées aux équipements industriels de NaTran ;

- Investiguer les capacités des LLM et modèles multimodaux à interpréter conjointement données numériques, graphiques et résultats d’XAI ;

- Concevoir une méthode permettant de transformer automatiquement les résultats d'analyses de fiabilité en connaissances métier structurées ;

- Produire des recommandations exploitables pour la gestion des actifs : surveillance, maintenance, rénovation, acquisition de données complémentaires ou investigations terrain ;

- Évaluer la robustesse, la traçabilité et l'explicabilité des recommandations générées ;

- Proposer une architecture générique réutilisable sur différents types d'équipements industriels.

Des analyses de type machine learning sont attendues, en utilisant de préférence des notebooks en langage Python.

Profil du candidat recherché

Étudiant(e) en Master 2 ou dernière année d’école d’ingénieur, spécialisé(e) en data science, statistiques appliquées, intelligence artificielle, fiabilité et/ou génie industriel.

Vous êtes celui/celle qu’il nous faut si…

Vous faites preuve :

• De réactivité et de rigueur
• De curiosité d’esprit et d'autonomie

Si vous avez :

• une bonne maîtrise de Python et des bibliothèques associées (pandas, scikit-learn, SHAP, etc.),

• des connaissances • Connaissances en IA, modélisation statistique et analyse de données industrielles,

• un intérêt pour la fiabilité, la gestion d’actifs et la transition énergétique,

• une capacité à travailler en mode projet, en interaction avec des équipes pluridisciplinaires.

Si vous recherchez :

• Une entreprise acteur de la  transition énergétique,
• Un accompagnant de qualité tout au long de votre stage,
• L’opportunité de rejoindre une équipe passionnée avec de vraies responsabilités.

Alors vous êtes au bon endroit, on attend votre CV !