Description
Les modèles de langage (LLM) excellent dans la compréhension du langage naturel et sont capables de décomposer des tâches complexes en sous-tâches,
mais souffrent d'hallucinations et de faiblesses logiques qui les rendent inaptes
à la planification autonome de missions critiques (robotique, drones, logistique).
À l'inverse, les vérificateurs formels et planificateurs symboliques garantissent mathématiquement la validité d'un plan, mais manquent de flexibilité face aux requêtes humaines.
Ce stage vise à concevoir une architecture neuro-symbolique où le LLM sert d'interface de traduction et de raisonnement haut niveau, tandis qu'un vérificateur formel (interfacé via le protocole open source MCP - Model Context Protocol)
fait office de garde-fou déterministe pour garantir des plans 100% exempts d'hallucinations.
Date de début
07 oct., 2026
Profil
ingénieur-e généraliste,
Étudiant(e) en Master 2 ou dernière année d'École d'Ingénieur (Informatique, IA, Robotique).
Compétences requises :
Solides bases en Python et architectures logicielles modernes (JSON, REST, ).
Connaissances en IA Générative / LLM (Frameworks d'agents, Prompt Engineering).
Notions en IA Symbolique / Logique (PDDL, SAT/SMT, graphes ou vérification de modèles).
Aptitudes : Autonomie, rigueur scientifique, attrait pour le couplage neuro symbolique.
Informations pratiques
Durée : 6 mois (Début souhaité : Février)
Qualités requises : Rigueur et capacité d'organisation, esprit d'analyse et de synthèse, aisance relationnelle et communication, autonomie, force de proposition et capacité à travailler en équipe
Contraintes particulières liés au poste : Résultats du stage confidentiel entreprise
Répartition du temps de travail
Full time
Fonction
Production_gestion
Durée (Mois)
6
Formation
RJ/Qualif/Ingenieur_B5
Secteur
Ind_aero