Thèse en data Science : modèles prédictifs et approches d'explicabilité appliqués aux RH F/H

Orange SA; Issy-les-Moulineaux; Sur place; EUR 60 000 - 80 000; Plein temps

Résumé du poste

Une entreprise de télécommunications recherche un candidat pour une thèse intégrant l'intelligence artificielle avec un focus sur la planification des effectifs. Le candidat devra concevoir des systèmes prédictifs explicables, développer de nouvelles méthodes d'analyse de données, et contribuer à des publications scientifiques. Le poste requiert des compétences solides en machine learning et une formation en informatique ou data science.

Responsabilités

• Concevoir un système prédictif explicable pour la planification stratégique des effectifs.
• Développement de nouvelles méthodes d’explicabilité et de génération d'explications.
• Mise en place d’une base de données pour le stockage et l’exploration des explications.
• Réaliser des expérimentations sur des données réelles et des tests utilisateurs.

Connaissances

Intelligence artificielle

Machine learning

Deep learning

Analyse de séries temporelles

Python

Streamlit

Explicabilité (XAI)

Rédaction et communication

Analyse

Formation

Master ou diplôme d’ingénieur en informatique, data science, intelligence artificielle ou mathématiques appliquées

Description du poste

about the role

Ce projet de thèse vous permettra de travailler sur une problématique innovante à l’intersection des données RH et de l’intelligence artificielle. Vous serez rattaché à un laboratoire de recherche, avec des experts en Intelligence artificielle. Vous serez également rattaché à la Direction des Centres des Services RH, avec des experts métier et intégré dans des missions de redesign du CSRH. Vous aurez l'opportunité de réaliser et contribuer à des publications scientifiques et potentiellement à des brevets dans le domaine de l'IA explicable, des systèmes intelligents et de la planification des effectifs.

Direction des centres de services des ressources humaines (DCSRH)

L’objectif de cette thèse est de concevoir un système prédictif explicable, intuitif et interactif pour la planification stratégique des effectifs, permettant d’améliorer la précision et la compréhension des modèles de prévision des flux de demandes RH, tout en développant de nouvelles approches d’explicabilité fondées sur des explications contrefactuelles tenant compte des contraintes propres à l’entreprise (dépendances de données, corrélations, contraintes temporelles, incertitudes, etc.).

Les travaux de la thèse comprendront :

• Un état de l’art approfondi sur les modèles prédictifs et les approches d’explicabilité, notamment les méthodes d’explications contrefactuelles appliquées aux séries temporelles.
• Le développement de nouvelles méthodes de génération d’explications contrefactuelles respectant les contraintes métier et temporelles de la planification RH.
• La conception d’une interface interactive permettant aux utilisateurs d’explorer les prédictions et leurs explications via des interactions intuitives, idéalement par langage naturel pour formuler des questions du type « Que se passerait-il ? »
• La mise en place d’une base de données dédiée au stockage, à l’interrogation et à l’exploration des explications générées.
• Des expérimentations sur des données réelles du CSRH couvrant plus de 350 actes, avec des tests utilisateurs visant à évaluer l’impact sur la compréhension et la prise de décision.
• Enfin, la valorisation scientifique et applicative des résultats à travers des publications, des prototypes logiciels et une méthodologie transférable pour une éventuelle industrialisation au sein d’Orange.

about you

Compétences scientifiques et techniques exigées :

• Solides connaissances en intelligence artificielle, en techniques de machine learning et de deep learning.
• Expérience ou familiarité avec l’analyse et la modélisation de séries temporelles.
• Connaissance et application des méthodes de features engineering et de sélection de caractéristiques
• Compétences en développement logiciel et en algorithmique (Python, Streamlit, etc.).
• Bonne compréhension des principes et méthodes d’explicabilité (XAI) appliquées aux modèles de machine learning.
• Vous avez de bonnes capacités rédactionnelles et de communication écrite et orale, en français et en anglais.
• Vous êtes capable de mener à bien un sujet et êtes force de proposition.
• Enthousiasme, autonomie, proactivité et goût pour l’innovation
• Vous avez un bon sens de l'analyse et êtes rigoureux dans l’exécution de votre mission.

Formation requise :

Master ou diplôme d’ingénieur en informatique, data science, intelligence artificielle ou mathématiques appliquées.

Expériences souhaitées :

• Stages, alternances ou projets académiques sur des thématiques de machine Learning et d’IA, de traitement de données ou d’intelligence des systèmes (prédiction, analyse de séries temporelles, etc.).
• Une expérience dans le développement d’outils interactifs ou explicatifs constituera un atout.