Stage : Application de l'IA (machine learning) à l'automatisation des tests XIL

Groupe PSA; Poissy; Sur place; EUR 10 000 - 17 000; Plein temps

Résumé du poste

Groupe PSA propose un stage à Poissy dans le domaine de l'IA appliquée à l'automatisation des tests XIL. Vous travaillerez dans l'équipe validation numérique ADAS et explorerez des méthodes d'apprentissage pour automatiser la création et l evolution du dictionnaire de tests.

Le stage, de 6 mois, cible des profils en fin d’école d'ingénieurs ou Master 2 avec des compétences en Python et en solutions IA. Vous participerez à des projets industriels et bénéficierez d'un environnement propice à

Qualifications

• Formation théorique et pratique en IA et ML au plus haut niveau
• Connaissances des approches NLP et traitement de données textuelles
• Compétences en ingénierie logicielle et automatisation
• Capacité à proposer des solutions innovantes et documentées

Responsabilités

• Étudier et prototyper des opportunités d'automatisation via l'IA pour les tests XIL
• Compléter automatiquement le dictionnaire de scénarios à partir de données numériques validées
• Générer des dictionnaires pour de nouveaux scénarios en s'appuyant sur des scénarios existants

Connaissances

Intelligence Artificielle

Machine Learning

Data Science

Traitement du Langage Naturel

Formation

Master 2 en IA / ML / Data Science

Outils

Python

PyTorch

TensorFlow

Scikit-learn

Description du poste

Stage : Application de l'IA (machine learning) à l'automatisation des tests XIL

Description du poste

Filière/Métier

Intitulé du poste

Stage : Application de l'IA (machine learning) à l'automatisation des tests XIL

Description de la mission

Dans une démarche d'amélioration continue visant à accroître l'efficacité et à réduire les délais de développement, les constructeurs automobiles s'orientent de plus en plus vers l'automatisation des chaînes de validation. Un enjeu majeur consiste à pouvoir garantir la qualité des scénarios de validation, de la spécification jusqu'à l'utilisation en validation.

Aujourd'hui, les scénarios de test sont généralement spécifiés en langage naturel et constituent le point d'entrée des essais de validation. Cette représentation est adaptée aux essais physiques, car les opérateurs peuvent interpréter directement les instructions décrites. En revanche, elle ne répond pas aux exigences des environnements de validation numériques en automatique de type xIL (MIL, SIL, HIL). En effet, ces derniers nécessitent une formalisation des scénarios sous une forme numérique structurée et exécutable.

Ce processus est aujourd'hui semi automatisé grâce à l'utilisation d'un dictionnaire reliant les formulations en langage naturel aux éléments attendus par les outils numériques. Les gammes de tests étant volumineuses et en constante évolution, il est difficile d'assurer la mise à jour de ce dictionnaire. Les efforts sont prioritairement consacrés à assurer la qualité des scénarios générés, au détriment de l'actualisation du dictionnaire et de l'automatisation complète de la chaîne.

Au sein de l'équipe de validation numérique ADAS L2, le stagiaire aura pour mission d'étudier et prototyper les opportunités que pourrait apporter l'utilisation de l'IA afin d'automatiser entièrement ce processus. Deux axes d'amélioration constitueront le Cœur de ses travaux :

• Compléter automatiquement le dictionnaire existant à partir de scénarios numériques validés et conformes aux standards de qualité, en s'appuyant sur des techniques d'apprentissage inverse.
• Générer automatiquement les dictionnaires associés à de nouveaux scénarios ou à leurs évolutions, en capitalisant sur les scénarios et dictionnaires existants grâce à des approches d'apprentissage adaptées.

Le candidat sera amené à travailler sur des scénarios utilisés quotidiennement pour la validation ADAS. Il aura la possibilité d'observer et de chiffrer concrètement l'impact de son travail sur la robustesse des scénarios et la rapidité de la numérisation. Il bénéficiera également de l'accès à l'ensemble de la chaîne de validation numérique afin de valider ses travaux dans un environnement représentatif des usages industriels.

Nous recherchons un profil en dernière année d'école d'ingénieurs (généraliste ou spécialisée) ou Master 2, avec une spécialisation en :

• Intelligence Artificielle
• Machine Learning
• Data Science
• Traitement du Langage Naturel

Vous disposez idéalement de compétences en programmation Python et en développement de solutions basées sur l'Intelligence Artificielle (PyTorch, TensorFlow, Scikit-learn ou équivalent). Des connaissances en traitement de données textuelles, analyse de données, automatisation logicielle ainsi qu'en méthodes d'apprentissage supervisé et non supervisé seront particulièrement appréciées.

Vous êtes force de proposition, doté d'un esprit d'analyse et capable de comprendre les enjeux d'intégration des systèmes développés.

Chez Stellantis nous évaluons les candidats selon leurs qualifications, leurs mérites et les besoins du métier Nous accueillons les candidatures des personnes de tout genre, âge, ethnie, nationalité, religion, orientation sexuelle, et handicap. La diversité de nos équipes nous permettra de mieux appréhender l'évolution des besoins de nos clients et de notre environnement futur.

Durée du contrat

6 mois

Localisation du poste

Europe, France, Ile-de-France, Yvelines (78)

Ville

Poissy

Niveau de diplôme préparé

Anglais (B2 - Intermédiaire (2,5 - 3,4 Bright))

Entité de rattachement

Nous rejoindre, c'est intégrer une entreprise d'envergure mondiale. Mû par la recherche permanente de l'innovation et de l'excellence, pionnier et leader des technologies propres et de la mobilité durable, le Groupe entend rester à la pointe des grandes tendances qui font bouger le monde.

Entité de rattachement

Nous rejoindre, c'est intégrer une entreprise d'envergure mondiale. Mû par la recherche permanente de l'innovation et de l'excellence, pionnier et leader des technologies propres et de la mobilité durable, le Groupe entend rester à la pointe des grandes tendances qui font bouger le monde.