Stage: Agentic AI for Predictive QoS in Connected Mobility F/H

Orange; Belfort; Sur place; EUR 20 000 - 40 000; Plein temps

Résumé du poste

Une entreprise de télécommunications recherche un stagiaire pour un projet sur la mobilité connectée et l'intelligence artificielle. Le stage consiste à concevoir un agent d'IA capable d'anticiper les paramètres de QoS. Les candidats doivent maîtriser le Machine Learning, Python, et avoir des connaissances en réseaux 3GPP. Ce stage de 6 mois commencera en janvier 2026, avec une indemnité de 1621 € à 2162 € par mois.

Prestations

Travail dans un contexte de recherche appliquée

Collaboration avec des chercheurs et Data Scientists

Expertise à l'intersection de la Data Science et de l'IA

Qualifications

• Solides connaissances en Machine Learning et Deep Learning.
• Bonne compréhension des réseaux cellulaires 3GPP (4G/5G).
• Capacité à traiter des données spatio-temporelles.

Responsabilités

• Concevoir un agent d'IA prédictive pour la qualité de service.
• Réaliser un état de l'art sur la mobilité connectée et la prédiction QoS.
• Développer un prototype d'agent d'IA autonome.

Connaissances

Machine Learning

Deep Learning

Python

R

TensorFlow

PyTorch

scikit-learn

Réseaux cellulaires 3GPP

Notions de systèmes distribués

Techniques de prédiction

Formation

Bac+5 en Data Science, AI ou domaine pertinent

Outils

MongoDB

Airflow

MQTT

Description du poste

Votre rôle

La mobilité connectée est un élément clé pour les futures applications coopératives de conduite automatisée. La qualité de service réseau (latence, débit, stabilité du signal) influence directement le niveau d'autonomie possible du véhicule.

L'objectif de ce stage est de concevoir un agent d'intelligence artificielle prédictive capable d'anticiper les paramètres de QoS dans un horizon temporel et spatial donné, et d'agir de manière autonome pour adapter en temps réel les processus d'entraînement et d'inférence.

Cet agent supervisera le pipeline Airflow existant, qui comprend :

• L'ingestion des données QoS via MQTT
• Le stockage historique des KPIs dans MongoDB
• L'entraînement périodique des modèles pour chaque quadkey
• L'inférence des KPIs prédits et leur publication en temps réel

En plus de surveiller la qualité des prédictions, l'agent pourra :

• Déclencher un réentraînement si les modèles deviennent obsolètes ou si des anomalies sont détectées
• Ajuster dynamiquement la fréquence ou la granularité de l'inférence selon les contraintes de calcul disponibles sur le véhicule ou le serveur
• Proposer des adaptations côté véhicule ou utilisateur (OBU), telles que le changement d'itinéraire ou la modification du niveau d'automatisation, afin de garantir les objectifs de latence et de stabilité

Dans ce cadre, vous serez amené à :

• Réaliser un état de l'art sur la mobilité connectée, les approches de prédiction de séries temporelles et les systèmes multi-agents pour les réseaux intelligents
• Benchmarker les approches de prédiction de QoS (latence, débit, SINR, etc.) intégrant les dimensions spatio-temporelles
• Étudier et prototyper un agent AI autonome qui exploite les prédictions existantes et intègre des données contextuelles supplémentaires (trafic routier, météo, charge RSU)
• Développer et tester des modules d'explicabilité et d'incertitude (confidence intervals, explications locales/globales) pour fiabiliser l'usage en contexte critique
• Mise en œuvre d'une publication proactive de recommandations côté véhicule/OBU
• Partager régulièrement vos avancées au sein de l'équipe de recherche et contribuer à un rapport final et à une présentation de vos résultats

Planning :

• T0 + 1 mois : Étude bibliographique (mobilité connectée, prédiction QoS, agentic AI, séries temporelles spatio-temporelles)
• T0 + 2 mois : Implémentation de modules de prédiction améliorée (benchmarks sur MongoDB/Airflow pipeline existant)
• T0 + 3 mois : Développement du prototype d'agent AI (prise de décision proactive, intégration de données contextuelles)
• T0 + 4 mois : Mise en place des mécanismes d'explicabilité et de gestion d'incertitudes
• T0 + 5 mois : Expérimentations en conditions simulées (données + RSU/OBU)
• T0 + 6 mois : Rédaction du mémoire de stage et présentation finale

Votre profil

• Solides connaissances en Machine Learning / Deep Learning (Python, R, TensorFlow, PyTorch, scikit-learn)
• Bonne compréhension des réseaux cellulaires 3GPP (4G/5G, latence, handover, QoS)
• Notions de systèmes distribués (MQTT, bases NoSQL type MongoDB, orchestration Airflow)
• Capacité à traiter des données spatio-temporelles et à utiliser des techniques de prédiction (séries temporelles, RNN, transformers)
• Autonomie, curiosité, capacité d'analyse et goût pour la recherche appliquée
• Bonne communication écrite et orale, en français et en anglais

Le plus de l'offre

• Vous travaillerez dans un contexte de recherche appliquée à forte valeur ajoutée, en collaboration avec des chercheurs et Data Scientists d'Orange
• Vous contribuerez à un sujet de recherche émergent : l'IA agentique appliquée à la mobilité connectée
• Vous développerez une expertise rare à l'intersection de la Data Science, de l'IA autonome, des réseaux mobiles et de la mobilité connectée
• Stage à la croisée du monde académique et industriel, avec une dimension internationale et des perspectives de valorisation scientifique

Entité

Au sein de la direction Data & IA, le département INK (Intelligence, Network and Knowledge) est spécialisé dans les domaines de la Data Science, du Big Data et de l'ingénierie des connaissances. Il met à profit des techniques d'intelligence artificielle sur des applications variées parmi lesquelles l'optimisation et l'automatisation de la gestion des réseaux mobiles/fixes/véhiculaires, la gouvernance des données et l'amélioration de l'expérience client.

Contrat

Stage : 6 mois, Date souhaitée de prise de poste : 19 janv. 2026. Niveau d'études préparé pendant le stage. Indemnité brute selon école Bac+5 de 1621 € à 2162 € / mois.