Stage Innovation : Ingénieur Intelligence Artificielle Générative

A la Direction de l’Innovation , nous menons des projets de recherche sur des champs d’expérimentation très larges et multi-sectoriels.

Ces projets innovants, développés en équipes, sont encadrés par nos experts au sein des ALTEN Labs (IDF, Toulouse, Grenoble, Rennes et Sophia Antipolis), et tentent de répondre aux enjeux de nos clients en leur fournissant des solutions technologiques originales et disruptives.

Au sein de notre Lab de Sèvres , vous serez accompagné(e) par un Pilote Innovation (Chef de projet) pour vous permettre de développer vos compétences sur les activités d'un des projets suivants (plusieurs stages à pourvoir).

Projet: Développement d’agents IA experts métiers

Dans le cadre de nos activités de recherche en Intelligence Artificielle générative et Agentic AI, nous souhaitons développer une approche permettant de créer des agents IA spécialisés par expertise métier.

L’objectif est de concevoir des agents capables d’exploiter différentes sources de connaissances, structurées ou non structurées, afin de répondre à des problématiques métier selon leur domaine d’expertise. Le système devra également permettre la collaboration entre plusieurs agents experts afin de produire des réponses contextualisées et complémentaires sur des problématiques complexes.

Le/la stagiaire participera notamment à :

• La conception et au développement d’agents IA experts métiers

• La mise en place d’architectures RAG (Retrieval-Augmented Generation) pour exploiter des bases documentaires

• L’orchestration et la collaboration entre plusieurs agents spécialisés

• L’intégration de LLM dans les différents agents

• L’exploitation de données structurées et non structurées : documents, PDF, JSON, bases de données, etc.

• La contextualisation des réponses en fonction du besoin et du domaine d’expertise

• L’évaluation de la qualité des réponses : pertinence, hallucinations, robustesse et traçabilité des sources.

Projet : IA pour l’analyse des Media

L’eSport connaît une croissance exponentielle et les équipes professionnelles cherchent à optimiser non seulement leurs stratégies de jeu, mais aussi leur communication et leur gestion du stress. Lors des tournois ou des entraînements (scrims), plusieurs joueurs échangent simultanément, parfois dans plusieurs langues, rendant difficile l’identification des locuteurs et l’analyse des interactions. Comprendre ces échanges permet de mieux cerner les différences entre les entraînements et les matchs officiels, d’évaluer le stress individuel et de fournir des pistes de préparation mentale.

Missions confiées :

• Explorer des vidéos eSport pour comprendre les formats et la qualité des audios

• Explorer des jeux de données issues des statistiques de parties eSports

• Préparer un dataset adapté : extraction audio, segmentation, organisation des métadonnées

• Participer activement à la phase d’annotation, notamment pour l’identification des joueurs et la validation des transcriptions

• Développer une méthode basée sur du Deep Learning pour différencier les voix même en cas de superposition

• Développer des méthodes d’analyse basées sur du Machine Learning et du Deep Learning pour analyser les parties d’une équipe eSport

• Gérer des conversations multilingues et variées

• Elaborer des pipelines data

• Transcrire des échanges

• Réaliser des analyses diverses des transcriptions :  thématiques, résumé, volume, fréquence, vitesse, niveau de stress et remarques inhabituelles

Projet: Development of a Graph Retrieval-Augmented Generation (Graph RAG) System for the Aerospace Sector

The project aims to apply the newly emerging trend of Graph RAG to the field of Aerospace. It hopes to do so by applying the established techniques behind RAG to bespoke knowledge graphs describing various Aerospace domains.

The objective of this internship is to finalize and industrialize the architecture of our aerospace question-answering pipeline. The intern's mission will be to overcome the project's final technical bottlenecks (latency, indexing costs, and lack of source traceability) to deliver an autonomous, industrial-grade interactive demonstrator.

A high-level long-term goal is for this project to serve as a blueprint for how RAG and LLMs more generally could be applied within the Aerospace sector to many more aspects of their workflows.

Vous êtes étudiant(e) en dernière année d’École d’Ingénieur à la recherche d’un stage de fin d’études et vous avez suivi une spécialité en Intelligence Artificielle (Générative) et/ou Data Science.

Vous justifiez de connaissances en apprentissage profond (Deep Learning) et en traitement d'images/vidéos ou en apprentissage automatique, traitement de langage naturel, et disposez de compétences en recherche vectorielle sémantique.

Vous maîtrisez la mise en oeuvre de méthodes d'IA générative ainsi que la programmation sous Python avec des librairies telles que Pytorch et Tensorflow, que vous avez su mettre en application lors de votre formation.​

Réactif(ve), rigoureux(se), autonome et doté(e) du sens du service, vous souhaitez évoluer dans un environnement challengeant​.