Stage - Détection de data drift dans les données réseaux par approche causale : application à la prédiction d’erreurs de modèles F/H
L'assistant prépare ta candidature pour cette offre
- Ton message ou ta lettre de motivation, qui parle de cette offre.
- Les 5 questions qu'on peut te poser, avec un conseil pour chacune.
- Un entretien d'essai : l'IA joue le recruteur.
Gratuit. Sans compte pour ta candidature, avec un compte gratuit pour l'oral.
Publiée le 21 novembre 2026 · En ligne jusqu'au 22 décembre 2026, prolongée tant que l'offre reste ouverte
- Contrat
- Stage (contract)
- Lieu
- Paris, Île-de-France
L'offre
Lieu : La Défense
Durée et/ou période du stage : 6 mois à partir de mars 2027 Le réseau électrique français, en constante évolution, génère des flux de données massifs et dynamiques. Ces données sont soumises à des variations imprévisibles (ou data drift ), causées par des changements structurels (intégration de nouvelles sources d'énergie, modifications de la topologie du réseau), des phénomènes externes (conditions météorologiques, pics de consommation) ou des anomalies (défauts, pannes, cyberattaques). Pour garantir la sûreté et la stabilité du réseau, RTE développe AssistFlux , un assistant intelligent d'aide à la conduite du réseau électrique, basé sur l'IA pour proposer des parades adaptées et résoudre les contraintes apparaissant sur le réseau . Cependant, les performances de ces modèles dépendent de la qualité des données d'entraînement : un data drift ( l'évolution des distributions des données dans le temps) peut dégrader les performances du modèle en production, compromettant ainsi la fiabilité des recommandations proposées. Votre stage s'inscrit dans ce défi : explorer les méthodes d'IA causale afin de prédire les performances d'un modèle de référence (appris). Plus particulièrement, vous chercherez à identifier des schémas causaux dans les données utilisées pour l'entraînement (variables explicatives X) combinée à l'erreur du modèle de référence. Ce travail s'appuiera sur des données réelles et des méthodes innovantes. En tant que stagiaire, vous serez intégré au sein du pôle IA-GRID de la Direction Données, Intelligence Artificielle et Analyse (DIA2). Le stage s'effectuera en cotutelle avec le CEA. Ce stage vous permettra de comprendre les enjeux du système électrique à court terme, le fonctionnement du réseau et de mettre en œuvre l'état de l'art des méthodes de détection de ruptures dans les schémas causaux. Principales activités : * Analyser et s'approprier les données disponibles pour les prévisions et celles disponibles pour l'apprentissage des modèles
* Réaliser un état de l'art des méthodes d'études de causalités pour la détection de data drift qui pourraient être adaptées au cas d'usage de données réseaux.
* Appliquer ces méthodes pour identifier la présence de schémas causaux dans les données
* S'assurer que les schémas causaux identifiés sont correctement appris par les modèles d'apprentissages utilisés et proposer les adaptations adéquates pour améliorer l'apprentissage si nécessaire (modification de la loss par exemple).
