Ingénieur modélisation du Procédé (refroidissement piscines) F/H

ORANO; Montigny-le-Bretonneux; Sur place; EUR 60 000 - 80 000; Plein temps

Résumé du poste

Une entreprise spécialisée dans le cycle de combustible recherche un(e) stagiaire pour développer des modèles d'Intelligence Artificielle visant à optimiser le refroidissement des piscines dans son usine à Montigny-le-Bretonneux. Le candidat idéal a un bagage en école d'ingénieur, maîtrise Python, et s'intéresse à la modélisation et à l'IA. Ce stage de 6 mois débute en février 2026 et inclut une formation sur le solveur Aspen Custom Modeler.

Qualifications

• Étudiant(e) d'une école d'ingénieur comme Polytechnique, Centrale, ou équivalent.
• Goût pour la modélisation et l'Intelligence Artificielle.
• Capacité à travailler de manière organisée et méthodique.

Responsabilités

• Développer et optimiser un modèle numérique pour le refroidissement des piscines.
• Documenter les outils et améliorer les prédictions de l'IA.
• Prendre en main les modèles développés sous Python.

Connaissances

Modélisation

Intelligence Artificielle

Machine Learning

Deep Learning

Prise d'initiative

Curiosité scientifique

Formation

École d'ingénieur

Outils

Python

Aspen Custom Modeler

Description du poste

Au sein de la Direction Technique et Ingénierie d'Orano Projets, la section modélisation du Procédé apporte son expertise pour le dimensionnement des équipements procédé du cycle de combustible ainsi que pour la réalisation d'études en soutien à la Sûreté/Procédé mais également à l'exploitant.

Contexte

L'usine de retraitement de La Hague retraite les combustibles afin de valoriser autant que possible les matières s'y trouvant, mais également contribuer à la réduction du volume des déchets non valorisables en vue de leur stockage à long terme.

Dans l'attente de ces étapes de retraitement, les assemblages de combustibles usés sont entreposés dans des piscines, elles-mêmes refroidies au moyen de boucles de refroidissement permettant de maintenir la température en dessous de critères de sûreté.

Les capacités de refroidissement sont dépendantes des conditions climatiques extérieures, c'est pourquoi les besoins en utilités sont amenés à être paramétrés manuellement pour satisfaire le respect des critères.

Une piste d'optimisation de ce pilotage consisterait à anticiper les besoins minimaux nécessaires sur la base des prévisions météorologiques à court terme sous la forme de préconisations afin de limiter la consommation énergétique de l'installation.

Objectif du stage

L'objet de ce stage est de poursuivre le développement d'une méthodologie faisant intervenir l'Intelligence Artificielle (IA) et d'optimiser la connaissance du comportement des boucles de refroidissement des piscines, notamment aux conditions climatiques rencontrées, au moyen d'un modèle numérique.

Ce modèle est développé avec le solveur Aspen Custom Modeler (ACM), particulièrement adapté aux procédés chimiques, et une formation préalable à son utilisation sera dispensée et permettra de prendre en main le modèle existant.

En 2022, un premier stage a permis de mettre au point un modèle d'Intelligence Artificielle permettant de prédire le comportement des piscines sur la base des prévisions météorologiques à court terme.

Cependant, certains paramètres évoluent dans le temps et nécessitent une meilleure connaissance. Or une estimation par recalage en utilisant le logiciel ACM peut être chronophage.

Ainsi, en 2023, un second modèle d'IA permettant de recaler ces paramètres sur la base du REX des températures des piscines, des données météorologiques et du paramétrage des boucles de refroidissement a été développé.

Ces données recalées ont vocation à alimenter le premier modèle d'IA afin de conforter les prédictions.

L'objet de ce stage est, dans un premier temps, de prendre en main les modèles développés sous Python puis de poursuivre le développement de cet outil et de fiabiliser les prédictions (qu'il s'agisse d'étayer la base de données nécessaires à l'entrainement du modèle d'IA et/ou de modifier la structure / réentraîner le modèle d'IA). En parallèle, le stagiaire sera amené à mettre à jour la documentation en vue du déploiement de l'outil auprès de l'exploitant.

Formation

école d'ingénieur (Polytechnique, ENS, Centrale, ENSIC, ENSIACET, ENSCP, CPE...)

Qualités

goût pour la modélisation et l'Intelligence Artificielle (Machine Learning/Deep Learning), méthode, organisation, prise d'initiative, curiosité scientifique...

Logiciels maitrisés

PYTHON, ASPEN CUSTOM MODELER (optionnel)

Date de début

à partir de février 2026 pour une durée de 6 mois à Saint Quentin en Yvelines (78)