
Framatome
FrancePublication : 1 nov. 2026
Ingénieur en IA agentique : Optimisation de modèles par agents LLM
- Stage
- 3+ mois
- Présentiel
- Rémunéré
- Échéance : 10 nov. 2026
- IA agentique
- LLMs, Generative AI, RAG & AI Agents
- Data Science & Intelligence Artificielle
- Deep Learning / AI
- Vision Transformers
- Python/data analysis
- Python/PyTorch
- optimisation non linéaire
Description du poste
Contexte
Le stage se déroulera au sein du Centre de Compétences en Data Science et Mathématiques Appliquées (DSAM) de Framatome. L’équipe développe des solutions en IA et en ingénierie nucléaire, notamment pour les systèmes critiques embarqués, la démonstration de sûreté nucléaire, l’analyse de données multiphysiques, la robotique et l’IA générative.
L’équipe dispose d’un démonstrateur dans lequel un agent LLM automatise une partie de l’optimisation de modèles d’apprentissage. Le stage vise à mesurer l’apport de cette approche et à étendre son utilisation à différents projets de modélisation pour l’ingénierie nucléaire.
Missions
Amélioration des stratégies de l’agent
- Étudier les méthodes d’optimisation par agents LLM et prendre en main le démonstrateur.
- Comparer des modèles exécutés localement.
- Améliorer la planification des essais, l’exploitation des résultats passés et la gestion des échecs.
Évaluation des gains, limites et sûreté
- Concevoir des campagnes reproductibles à budget de calcul comparable face au modèle de référence et à des méthodes classiques telles qu’Optuna.
- Analyser les modes de défaillance de l’approche agentique, notamment les risques de contournement des contraintes.
- Proposer des moyens de détection et de maîtrise adaptés.
Consolidation et réutilisation
- Renforcer l’exécution isolée, les outils autorisés et la traçabilité des modifications sous le contrôle des experts.
- Documenter les résultats et le code.
- Étudier une extension à d’autres cas d’usage selon l’avancement du stage.
Profil recherché
- Spécialisation en data science et IA.
- Connaissances en apprentissage statistique et Deep Learning.
- Python, bibliothèques usuelles et PyTorch.
- Théorie et pratique des transformers et des LLM.
- Git et Linux.
- Une expérience en IA agentique ou en calcul sur GPU est appréciée.
- Curiosité scientifique, rigueur et goût du travail en équipe.
Informations complémentaires
- Référence : DTIPD 2026-27724.
- Lieu : Courbevoie (92).
- Durée : 6 mois.