Req ID : 530060

 

Chez Alstom, nous construisons ce dont des millions de personnes dépendent chaque jour : des systèmes de transport ferroviaire qui ne peuvent se permettre d’échouer. Nous sommes plus de 85 000 collaborateurs à travers le monde, créant le portefeuille le plus diversifié du secteur : trains à grande vitesse, métros, tramways, services de maintenance et systèmes intégrés.

 

Plus qu'un emploi : une mission

Le département Data Science & Intelligence Artificielle d'Alstom recherche un(e) stagiaire en recherche pour contribuer à ses activités de maintenance prédictive.

La maintenance prédictive repose sur l’exploitation de données en temps réel afin d’anticiper les défaillances des équipements ferroviaires avant qu’elles ne surviennent. Dans ce cadre, vous contribuerez au développement de nouvelles approches d’intelligence artificielle visant à améliorer la fiabilité, la disponibilité et la sécurité des systèmes ferroviaires.

Vous rejoindrez des équipes engagées, où la rigueur scientifique et l’innovation se conjuguent pour relever les défis technologiques de demain. Le stage portera plus particulièrement sur la quantification de l’incertitude des modèles d'IA appliquée aux séries temporelles, un enjeu clé pour le déploiement d’algorithmes d’IA fiables dans des environnements critiques.

 

Votre rôle, votre impact

· Réaliser un état de l’art des méthodes de quantification de l’incertitude pour les séries temporelles et de leurs applications à la maintenance prédictive.

· Étudier et mettre en œuvre des approches de type Conformal Prediction afin de fournir des estimations statistiquement fiables de l’incertitude associée aux modèles prédictifs.

· Concevoir et développer de nouveaux algorithmes adaptés aux problématiques de maintenance prédictive ferroviaire, notamment pour les moteurs d’aiguillage et les circuits de voie.

· Analyser les propriétés théoriques des méthodes développées et évaluer leurs performances sur des données industrielles réelles issues d’équipements ferroviaires.

· Collaborer avec les équipes Data Science d’Alstom ainsi qu’avec nos partenaires académiques pour faire évoluer l’état de l’art sur les méthodes d’IA de confiance.

· Valoriser vos travaux à travers la rédaction de rapports techniques, la présentation des résultats et la contribution à des projets open source.

Vous travaillerez aux côtés d’équipes expertes en intelligence artificielle, data science et recherche appliquée, sur des problématiques à fort impact pour la mobilité durable et les systèmes critiques.

 

Ce que vous apportez

· Formation de niveau Bac+5 en intelligence artificielle, machine learning, science des données, mathématiques appliquées ou domaine connexe.

· Solides connaissances en apprentissage statistique et en analyse de données.

· Bonne maîtrise de Python ainsi que des bibliothèques scientifiques associées (scikit-learn, PyTorch, TensorFlow ou équivalent).

· Intérêt marqué pour les séries temporelles, les méthodes probabilistes et la recherche appliquée en intelligence artificielle.

· Capacité à analyser des problématiques complexes et à proposer des solutions innovantes fondées sur des bases scientifiques rigoureuses.

· Autonomie, curiosité scientifique et goût pour le travail collaboratif dans un environnement international.

 

Comment le succès est mesuré

· Qualité scientifique des travaux réalisés et pertinence des solutions développées.

· Respect des objectifs et des jalons définis dans le cadre du projet de recherche.

· Capacité à démontrer la valeur ajoutée des méthodes proposées sur des cas d’usage industriels.

· Contribution active aux échanges avec les équipes Alstom et les partenaires académiques.

 

Alstom, un lieu où grandir

· Collaboration directe avec des chercheurs et experts reconnus dans le domaine de l’IA de confiance.

· Participation aux activités du projet DEEL (Dependable, Explainable and Embeddable Learning) aux côtés de partenaires académiques et industriels de premier plan.

· Opportunité de contribuer à des publications scientifiques, à des projets open source et au développement de technologies d’IA appliquées aux systèmes critiques.

· Perspective de poursuite en thèse CIFRE de 3 ans sur la quantification de l’incertitude des modèles d'IA appliqués aux séries temporelles pour le ou la candidat(e) retenu(e).

 

Durée : 6 mois
Démarrage : idéalement à partir de mars 2027 (adaptable selon les contraintes académiques).

Vous n’avez pas besoin d’être passionné(e) de ferroviaire pour vous épanouir chez nous. Nous vous garantissons que, lorsque vous voyagerez à bord de l’un de nos trains avec votre famille ou vos amis, vous serez fier(ère) d’y avoir contribué.

 

En tant qu’entreprise internationale, nous garantissons l’égalité des chances et valorisons la diversité dans chacun des 63 pays où nous opérons. Nous nous engageons à offrir un environnement de travail inclusif, dans lequel chacun peut s’épanouir, être respecté et développer pleinement son potentiel.

Published valid-through: Fri Dec 04 23:00:00 UTC 2026