STAGE Ingénieur Connaissance et Données, Machine Learning et Classification (F/H)

Dassault Systèmes; Vélizy-Villacoublay; Sur place; EUR 16 000 - 22 000; Temps partiel

Résumé du poste

Dassault Systèmes recherche un stagiaire Master 2 / Bac+5 en science des données pour harmoniser les systèmes de classification et créer une représentation unifiée de son positionnement scientifique.

Vous utiliserez des modèles de langage, du NLP et du machine learning pour développer un pipeline capable d’automatiser la corrélation entre brevets, publications et programmes européens, et produire une note méthodologique ainsi qu’un rapport de synthèse pour la direction.

Qualifications

• Master 2 / Bac+5 en science des données, traitement automatique du langage ou IA.
• Maîtrise de Python et des bibliothèques NLP (pandas, scikit-learn, spaCy, transformers).
• Connaissance des LLM, du prompting et des sorties structurées.
• Bonnes notions de taxonomies, ontologies et représentations sémantiques.

Responsabilités

• Analyser en profondeur les logiques des référentiels (brevets, publications, domaines de recherche).
• Concevoir une méthodologie de correspondance entre référentiels hétérogènes (NLP et ML).
• Développer un pipeline automatisé pour croiser les données et créer une base unifiée.

Connaissances

Python

NLP

LLM

Taxonomies

Formation

Master 2 / Bac+5 en science des données

Outils

pandas

scikit-learn

spaCy

transformers

Description du poste

1ère entreprise mondiale au RSCE 2024 pour sa Responsabilité Scientifique

Rejoignez l’équipe de recherche de Dassault Systèmes, acteur clé de l’innovation scientifique et de projets d’envergure internationale comme Living Heart, EPINOV ou MEDITWIN.

L’objectif du stage

Harmoniser les systèmes de classification existants (publications, brevets, domaines de recherche) pour créer une représentation unifiée et exploitable de son positionnement scientifique.

Pourquoi ce stage est unique ?

Impact stratégique : Votre travail permettra de structurer et unifier la connaissance scientifique de Dassault Systèmes, en créant une représentation cohérente de son positionnement mondial.

Technologies de pointe : Utilisez des modèles de langage (LLM), du NLP et du Machine Learning pour résoudre un défi complexe de mapping entre référentiels hétérogènes.

Livrables valorisants : Une note méthodologique (choix de modélisation, limites, recommandations) et un rapport de synthèse pour la direction, visibles en interne.

Pérennité : Votre pipeline sera intégré aux outils internes et documenté pour une réutilisation future.

Vos missions

Plus concrètement, vous aurez pour mission de :

• Analyser en profondeur les logiques structurantes des différents référentiels utilisés pour décrire les activités scientifiques et technologiques de Dassault Systèmes, qu'il s'agisse des systèmes de classification propres aux brevets, de ceux utilisés pour indexer les publications scientifiques, ou des nomenclatures thématiques mobilisées par les grands programmes de recherche européens,
• Concevoir une méthodologie de correspondance permettant de relier ces référentiels hétérogènes entre eux, en s'appuyant sur des techniques de traitement du langage naturel et d'apprentissage automatique (similarité sémantique, classification supervisée ou non supervisée, usage de modèles de langage),
• Développer un pipeline capable d'automatiser cette mise en correspondance à partir des données consolidées par les data scientists de l'équipe, puis constituerez une base de données unifiée croisant les différents systèmes de classification, offrant une lecture cohérente et transverse des activités scientifiques et technologiques de Dassault Systèmes.

Un livrable central du stage sera la rédaction d'une note méthodologique documentant les choix de modélisation retenus, les limites de l'approche et les recommandations d'usage, complétée par un rapport de synthèse à destination de la direction.

• Mettre en place un dispositif pérenne : intégration du pipeline dans les outils internes existants, documentation en vue d'une réutilisation future, et recommandations pour le maintien à jour de la base unifiée.

Vous êtes actuellement en Master 2 / Bac+5 (école d’ingénieur ou université) avec une spécialisation en science des données, en traitement automatique du langage ou en intelligence artificielle.

Vous maîtrisez :

• Python (obligatoire)
• les bibliothèques de traitement de données et de NLP tels que pandas, scikit-learn, spaCy, transformers ou équivalents (indispensable)
• Usage de LLM (BERT, Qwen, etc.) : prompting, sorties structurées
• les notions de taxonomies, d'ontologies ou de représentations sémantiques (bonne aisance)

De bonnes qualités rédactionnelles en français et en anglais sont également requises pour la formalisation méthodologique.

Les profils curieux des enjeux de structuration et de valorisation de la donnée scientifique, combinant rigueur technique et sens de la synthèse, sont particulièrement encouragés à candidater.

Nous rejoindre c'est aussi

Intégrer une entreprise scientifique au cœur de l’innovation technologique, portée par une forte croissance depuis plus de 40 ans.

Un environnement collaboratif et innovant

Une collaboration internationale

Une diversité de technologies, produits et solutions

Un engagement fort en faveur de la diversité et de l’inclusion

Inclusion statement

As a game-changer in sustainable technology and innovation, Dassault Systèmes is striving to build more inclusive and diverse teams across the globe. We believe that our people are our number one asset and we want all employees to feel empowered to bring their whole selves to work every day. It is our goal that our people feel a sense of pride and a passion for belonging. As a company leading change, it’s our responsibility to foster opportunities for all people to participate in a harmonized Workforce of the Future.