Stage recherche machine learning modélisation énergétique h/f

CSTB - Rejoindre le CSTB
Rejoindre le CSTB, c'est rejoindre une communauteteacute; composeteacute;e de plus de 1000 collaborateurs experts au service de ses clients, de ses partenaires et de l'inteteacute;retecirc;t geteacute;neteacute;ral avec pour ambition d'anticiper les betacirc;timents et la ville de demain, pour ameteacute;liorer la qualiteteacute; de vie des usagers. Nos activiteteacute;s cleteacute;s sont axeteacute;es autour de la recherche, de l'expertise, de l'eteacute;valuation, de la certification, des essais et de la diffusion de connaissances. Depuis 1947, nous accompagnons les acteurs dans l'innovation et la progression de la qualiteteacute; et de la performance des produits, ouvrages, systetegrave;mes et services.
Rejoindre le CSTB, c'est eteacute;galement rejoindre un employeur engageteacute;, signataire de la Charte de la diversiteteacute;, qui valorise le travail de chacun et qui s'engage en faveur de l'eteacute;galiteteacute; professionnelle et de l'inteteacute;gration des travailleurs handicapeteacute;s. Gretacirc;ce etagrave; ces actions, nous sommes classeteacute;s parmi les 500 meilleurs employeurs de France d'apretegrave;s la revue eteacute;conomique Capital.
Alors, pretecirc;t(e) etagrave; rejoindre l'aventure CSTB ?
etEacute;leteacute;ments de contexte
La consommation eteacute;nergeteacute;tique des betacirc;timents deteacute;pend de nombreux facteurs (climat, sceteacute;narios d'occupation, qualiteteacute; de l'enveloppe, performance des systetegrave;mes, etc.). Ainsi, la simple donneteacute;e de la consommation annuelle ne permet pas d'eteacute;valuer objectivement la performance d'un betacirc;timent.
Les meteacute;thodes de caracteteacute;risation de la performance reteacute;elle des betacirc;timents (MPEB) visent etagrave; deteacute;terminer des indicateurs de performance etlaquo; intrinsetegrave;que etraquo; permettant la comparaison entre betacirc;timents. Parmi eux, le HLC (Heat Loss Coefficient) est un indicateur cleteacute; de la performance thermique de l'enveloppe.
Depuis les anneteacute;es 2000, l'inteteacute;retecirc;t pour ces meteacute;thodes s'est fortement accru, notamment pour comprendre l'origine du Performance Gap (EPG). Deux grandes familles de meteacute;thodes existent :

Les meteacute;thodes in situ, neteacute;cessitant une instrumentation speteacute;cifique et un betacirc;timent inoccupeteacute; (ex : meteacute;thode SEREINE deteacute;veloppeteacute;e au CSTB).
Les meteacute;thodes etagrave; distance, exploitant des donneteacute;es accessibles sans intervention sur site (donneteacute;es de consommation, meteacute;teteacute;o, open data, etc.).

Ces dernietegrave;res, plus faciles etagrave; mettre en oeuvre, preteacute;sentent toutefois une finesse d'analyse moindre. Cependant, la disponibiliteteacute; croissante de donneteacute;es collectables etagrave; distance (ex : base BDNB) ouvre de nouvelles perspectives Retamp;D pour leur ameteacute;lioration, avec des applications varieteacute;es :

etEacute;valuation de la performance de betacirc;timents ou de parcs immobiliers.
Suivi de reteacute;novations.
Compreteacute;hension du performance gap.
Recommandations d'actions d'efficaciteteacute; eteacute;nergeteacute;tique.

Objectifs et contenu du stage
Le stage portera sur une eteacute;tude theteacute;orique et numeteacute;rique des meteacute;thodes d'eteacute;valuation de la performance etagrave; distance, etagrave; partir d'un jeu de donneteacute;es simuleteacute;es. L'objectif principal sera d'explorer les apports des donneteacute;es etagrave; haute reteacute;solution temporelle (horaires) par rapport aux donneteacute;es journalietegrave;res, notamment pour la deteacute;termination du HLC.
Le travail consistera etagrave; :

Analyser le probletegrave;me de reteacute;solution inverse d'un modetegrave;le thermique.
Mettre en oeuvre une approche probabiliste (bayeteacute;sienne).
etEacute;tudier l'identifiabiliteteacute; des modetegrave;les etagrave; partir de donneteacute;es horaires.
Quantifier les incertitudes sur les parametegrave;tres identifieteacute;s.

Le stage deteacute;butera en deteacute;but d'anneteacute;e 2026 pour une dureteacute;e de 5 etagrave; 6 mois.
Perspectives
Ce stage pourra se prolonger par une thetegrave;se sur des theteacute;matiques connexes, avec une application etagrave; des donneteacute;es reteacute;elles etagrave; grande eteacute;chelle pour des betacirc;timents reteacute;sidentiels et tertiaires (en partenariat avec l'entreprise DEEPKI et l'universiteteacute; Gustave Eiffel).
Profil rechercheteacute;
Vous etecirc;tes actuellement en dernietegrave;re anneteacute;e de formation de niveau Bac+5 (Master ou eteacute;cole d'ingeteacute;nieur geteacute;neteacute;raliste). Vous disposez de connaissances theteacute;oriques en matheteacute;matiques appliqueteacute;es et en modeteacute;lisation. Vous etecirc;tes inteteacute;resseteacute; par l'application de ces outils etagrave; des sujets lieteacute;s etagrave; l'eteacute;nergeteacute;tique.
Competeacute;tences requises :

Programmation Python
Analyse de donneteacute;es
Approches statistiques
Approches physiques (modeteacute;lisation)

Competeacute;tences bonus :

Connaissances en eteacute;nergeteacute;tique du betacirc;timent
Approches bayeteacute;siennes
Probletegrave;mes inverses
etEacute;tude de seteacute;ries temporelles