STAGE DE RECHERCHE MACHINE LEARNING MODELISATION ENERGETIQUE F / H

CSTB; Champs-sur-Marne; Sur place; EUR 60 000 - 80 000; Temps partiel

Résumé du poste

Une organisation de recherche recherche un stagiaire en modélisation énergétique pour une étude sur l'évaluation de la performance des bâtiments. Vous travaillerez sur des données horaires pour améliorer les méthodes de caractérisation. Les compétences en programmation Python et en analyse de données sont essentielles. Le stage est prévu pour une durée de 5 à 6 mois, offrant une rémunération de 1000 à 1200 euros brut par mois.

Prestations

Gratification de stage supérieure au minimum légal

Accès au télétravail

Espace de co-working

Restaurant d'entreprise

Avantages CSE

Qualifications

• Actuellement en dernière année de formation de niveau Bac+5.
• Connaissances théoriques en mathématiques appliquées et en modélisation.
• Intérêt pour l'application de ces outils à des sujets liés à l'énergie.

Responsabilités

• Analyser le problème de résolution inverse d'un modèle thermique.
• Mettre en œuvre une approche probabiliste (bayésienne).
• Étudier l'identifiabilité des modèles à partir de données horaires.
• Quantifier les incertitudes sur les paramètres identifiés.

Connaissances

Programmation Python

Analyse de données

Approches statistiques

Approches physiques (modélisation)

Formation

Bac+5 (Master ou école d'ingénieur généraliste)

Description du poste

Description du poste

Métiers et Emplois

SCIENTIFIQUE ET TECHNIQUE - INGENIEUR-E RECHERCHE EXPERTISE

Intitulé du poste

STAGE DE RECHERCHE MACHINE LEARNING MODELISATION ENERGETIQUE F / H

Contrat

Stage

Durée du contrat

5-6 mois

Fourchette de salaire

Autres (grille stage, alternance, ...)

Fourchette de rémunération

1000-1200 euros brut mensuel

Descriptif des principales missions

Éléments de contexte

La consommation énergétique des bâtiments dépend de nombreux facteurs (climat, scénarios doccupation, qualité de lenveloppe, performance des systèmes, etc.). Ainsi, la simple donnée de la consommation annuelle ne permet pas dévaluer objectivement la performance dun bâtiment.

Les méthodes de caractérisation de la performance réelle des bâtiments (MPEB) visent à déterminer des indicateurs de performance « intrinsèque » permettant la comparaison entre bâtiments. Parmi eux, le HLC (Heat Loss Coefficient) est un indicateur clé de la performance thermique de lenveloppe.

Depuis les années 2000, lintérêt pour ces méthodes sest fortement accru, notamment pour comprendre l'origine du Performance Gap (EPG). Deux grandes familles de méthodes existent :

• Les méthodes in situ, nécessitant une instrumentation spécifique et un bâtiment inoccupé (ex : méthode SEREINE développée au CSTB) ;
• Les méthodes à distance, exploitant des données accessibles sans intervention sur site (données de consommation, météo, open data, etc.).

Ces dernières, plus faciles à mettre en œuvre, présentent toutefois une finesse danalyse moindre. Cependant, la disponibilité croissante de données collectables à distance (ex : base BDNB) ouvre de nouvelles perspectives R&D pour leur amélioration, avec des applications variées :

• Evaluation de la performance de bâtiments ou de parcs immobiliers.
• Suivi de rénovations.
• Compréhension du performance gap.
• Recommandations dactions defficacité énergétique.

Objectifs et contenu du stage :

Le stage portera sur une étude théorique et numérique des méthodes dévaluation de la performance à distance, à partir dun jeu de données simulées.

Lobjectif principal sera dexplorer les apports des données à haute résolution temporelle (horaires) par rapport aux données journalières, notamment pour la détermination du HLC.

Le travail consistera à :

• Analyser le problème de résolution inverse dun modèle thermique.
• Mettre en œuvre une approche probabiliste (bayésienne).
• Etudier lidentifiabilité des modèles à partir de données horaires
• Quantifier les incertitudes sur les paramètres identifiés.

Le stage débutera en début d'année 2026 pour une durée de 5 à 6 mois.

Perspectives

Ce stage pourra se prolonger par une thèse sur des thématiques connexes, avec une application à des données réelles à grande échelle pour des bâtiments résidentiels et tertiaires (en partenariat avec l'entreprise et l'université Gustave Eiffel).

Profil (formations, compétences, expériences)

Vous êtes actuellement en dernière année de formation de niveau Bac+5 (Master ou école d'ingénieur généraliste). Vous disposez de connaissances théoriques en mathématiques appliquées et en modélisation. Vous êtes intéressé par lapplication de ces outils à des sujets liés à lénergétique.

Compétences requises :

• Programmation Python
• Analyse de données
• Approches statistiques
• Approches physiques (modélisation)

Compétences bonus :

• Connaissances en énergétique du bâtiment
• Approches bayésiennes
• Problèmes inverses
• Etude de séries temporelles

Processus de recrutement

1 à 2 entretiens à prévoir (Manager et RH)

Pourquoi nous rejoindre ?

rejoignez-nous et donnez du sens à vos premières expériences en contribuant à garantir la santé et la sécurité des usagers dans les bâtiments.

Vos avantages, en tant que stagiaire :

Gratification de stage supérieure au minimum légal (grille selon le diplôme préparé)

Accès à notre dispositif de télétravail pouvant aller jusquà 3 jours / semaine.

Accès à notre accord temps de travail pour préserver votre équilibre vie professionnelle / vie privée avec des plages horaires fixes et mobiles.

Cadre de travail : espace de co-working, salle de sport (siège social) clubs sports / loisirs, sites verdoyants avec éco pâturages,

Avantages CSE à partir de 3 mois dancienneté (chèques vacances, billetterie, )

Restaurant dentreprise (siège social) et tickets restaurants (site de région)

Possibilité de poursuivre au CSTB à lissue de votre stage (embauche, alternance, thèse, )