Machine learning pour la prédiction décennale des sécheresses et tensions sur la ressource en eau

QUI SOMMES-NOUS

Avec 40 000 collaborateurs présents sur les cinq continents, SUEZ est un leader mondial dans la gestion intelligente et durable des ressources. Le Groupe fournit des solutions de gestion de l'eau et des déchets qui permettent aux villes et aux industries d’optimiser la gestion de leurs ressources et d’améliorer leurs performances environnementale et économique.

Depuis plus de 160 ans, l’innovation constitue un pilier essentiel de l’identité et de la performance de SUEZ. Au sein de l’Innovation, nous concevons et déployons des solutions concrètes pour accompagner les grandes transitions environnementales et sociétales. Notre ambition : faire de l’innovation un levier stratégique au service de nos clients et des territoires, en favorisant une approchecollaborative. Rassemblant250 collaborateurset un écosystème actif departenaires et de start-up, l’Innovation SUEZ développe des technologies et des modèles durables pour construire un avenir plus sobre, plus résilient et plus responsable.

VOTRE MISSION

Machine Learning pour la prédiction décennale dessécheresses et tensions sur la ressource en eau à partir demodes climatiques

Le stage est proposé par SUEZ, le LyRE, Centre d’Innovation et d’Expertise de SUEZ. Le LyRE est composé
d’une cinquantaine d’ingénieurs et chercheurs, répartis en 5 pôles d’expertises : Data, Réseaux,
Environnement, Recyclage & Valorisation des déchets et Acteurs & Usages.
Le pôle Data a pour mission de valoriser les données pour aider tous les métiers de SUEZ. Composé d’une
équipe de 12 personnes, le pôle Data porte une expertise en data science qui couvre les domaines de la
modélisation data et du prototypage de solutions digitales.


Contexte et Objectif
La ressource en eau est fortement impactée par le changement climatique. Pour anticiper les risques de
sécheresse, des informations sur le climat futur sont essentielles. Cependant, les projections de précipitationsen France pour le siècle à venir restent très incertaines.
A plus court terme, les prévisions décennales du climat pourraient offrir des informations plus fiables. Elles nepermettent pas de prédire directement les précipitations en France, mais d’estimer l’évolution de certainsmodes climatiques. Il s’agit de structures spatio-temporelles récurrentes (ex : NAO, WEPA, AMV) quiinfluencent le climat en France. Ces modes, mesurés par des différences de pression atmosphérique ou destempératures océaniques, sont une source clé de prévisibilité pour estimer le climat de la prochaine décennie.
Au Lyre, une thèse en cours développe une méthode complexe pour générer des données climatiques
journalières à partir de prévisions décennales de certains modes climatiques. Ces prévisions journalières sontensuite utilisées dans des modèles hydrologiques pour estimer des indicateurs de sécheresse pluriannuels àdécennaux.
L’objectif de ce stage est d’explorer une approche alternative : prédire directement les indicateurs de
sécheresse à partir des modes climatiques, en utilisant des méthodes de Machine Learning. Cette approchepourrait simplifier les modèles actuels tout en améliorant leur robustesse, malgré les défis posés par la petitetaille des données historiques (1966-2023).


Mission du stagiaire
• Analyser les données :
o Se saisir des travaux existants sur la prévision des modes climatiques
o Etudier la variabilité pluriannuelle à décennale des indicateurs de sécheresse
• Développer un modèle de Machine Learning :
o Identifier les variables climatiques pertinentes pour la prédiction
Concevoir et entraîner un ou plusieurs modèles pour prédire les indicateurs de sécheresse
• Evaluer et comparer :
o Mesurer les performances du modèle et les comparer à l’approche actuelle


VOTRE PROFIL

Profils recherchés
• Formation : 2ème année de Master ou dernière année d’école d’ingénieur en Science des données,
IA, Mathématiques Appliquées.
Compétences techniques :
o Maitrise de Python
o Expérience avec les séries temporelles et la manipulation de données
o Solides connaissances en statistiques et modélisation mathématique
Atouts :
o Intérêt pour les enjeux climatiques ou l’hydrologie
o Connaissances en climatologie (un plus)
Qualités: Capacité à apprendre et à partager son savoir-faire, organisation, rigueur et autonomie ;
capacité d’analyse ; sensibilité au développement durable et notamment aux enjeux liés à l’eau.

Suez préserve l’équilibre entre vie professionnelle et privée, ce poste est ouvert au télétravail.