Trainee

Trainee - - - - - - - - - - - - - Tuteur : Romain Tomasso Sujet de stage : Généralisation de modèles automobiles à partir de données d’essais Mobilité connectée & Sécurité automobile Contexte : Dans un monde où la mobilité évolue rapidement vers plus d’autonomie, de connectivité et de durabilité, la sécurité des usagers reste une priorité absolue. Michelin, acteur majeur de l’innovation dans le domaine du pneumatique et de la mobilité, contribue activement à cette transformation en développant des services et technologies qui renforcent la sécurité des véhicules, notamment dans des conditions complexes comme la conduite sur route mouillée. L’un des axes de développement consiste à créer des modèles précis représentant le comportement du véhicule dans des contextes variés (vitesse, état de la chaussée, type et usure des pneumatiques, etc.). Ces modèles permettent aux systèmes de sécurité embarqués d’augmenter considérablement leur performance dans toutes les conditions. Aujourd’hui, ces outils reposent sur de lourdes campagnes expérimentales. Cependant, la diversité des conditions à tester rend cette approche difficile à généraliser, tant pour des raisons logistiques qu’environnementales. Il devient donc stratégique de pouvoir générer des modèles dans des conditions partiellement connues, en exploitant intelligemment les données issues d’essais antérieurs. Mission : Encadré par une équipe pluridisciplinaire, le ou la stagiaire aura pour objectif d’étendre notre méthode de génération de modèles à partir de données expérimentales, en s’appuyant sur des techniques issues des mathématiques appliquées et de l’intelligence artificielle. Les principales étapes de la mission seront : Analyse de l’état de l’art : Réalisation d’une revue bibliographique des méthodes d’estimation et d’interpolation de modèles dans des contextes partiellement observés. Choix méthodologique : Proposition d’une ou plusieurs approches adaptées aux contraintes du projet (nature des données, précision attendue, robustesse). Développement d’un prototype : Intégration de la méthode choisie dans l’outil interne de génération de modèles, en collaboration avec les experts techniques. Validation expérimentale : Comparaison entre les modèles estimés et les modèles obtenus par mesure directe, analyse des écarts et des performances. Amélioration et fiabilisation : Ajustement de la méthode en fonction des résultats, évaluation de sa robustesse et de sa capacité à être généralisée. Délivrables : À l’issue du stage, les livrables attendus incluent : Un rapport technique détaillant les travaux, les résultats et les perspectives d’amélioration. Une contribution concrète aux outils internes de l’équipe, sous forme de modules ou de scripts réutilisables, documentés et testés. Une présentation orale des résultats devant l’équipe et les parties prenantes du projet. Apports pour le candidat : Ce stage représente une opportunité unique pour un(e) étudiant(e) souhaitant s’impliquer dans un projet à fort impact, au croisement de la science des données, de la modélisation physique et de l’innovation industrielle. Le ou la stagiaire bénéficiera : D’une immersion dans une équipe agile, composée d’ingénieurs et de docteurs-ingénieurs, travaillant en mode start-up au sein d’un grand groupe industriel. D’une expérience concrète dans des domaines en forte croissance : intelligence artificielle, modélisation de systèmes physiques, traitement de données expérimentales. D’un accompagnement technique par des experts reconnus dans des disciplines variées (simulation, dynamique véhicule, traitement du signal, analyse de performance). D’un cadre stimulant, favorisant l’autonomie, la prise d’initiative et le développement de compétences transverses. Profil recherché : Nous recherchons un(e) étudiant(e) en Master 2 ou en dernière année d’école d’ingénieur, avec une spécialisation en mathématiques appliquées, statistiques, data science, modélisation ou traitement du signal. Les compétences et qualités attendues sont : Maîtrise de Python, avec une expérience concrète en développement (utilisation de bibliothèques scientifiques, structuration de code, visualisation de données). Solides bases en mathématiques appliquées, notamment en statistiques, optimisation ou apprentissage automatique. Intérêt pour les systèmes physiques, la mécanique ou le comportement véhicule. Rigueur, curiosité et esprit d’analyse, avec une capacité à travailler en autonomie tout en collaborant efficacement avec une équipe. Bonnes qualités relationnelles, sens de l’écoute et envie de s’impliquer dans un projet collectif. - - - - - - - - - - - - Michelin entreprise engagée dans la mobilité durable et reconnue pour ses actions en faveur de l’expérience employé ! Une note de 99/100 à l’index de l’égalité femmes-hommes Entreprise « Handi accueillante », avec un réseau de référents et ambassadeurs Handicap pour vous accompagner 83,5% de taux d’engagement de nos employés 94,6% des stagiaires et alternants nous recommandent, label "Happy Trainees" depuis 9 années consécutives Classé parmi les groupes du CAC 40 les plus engagés selon les Bac5 à l’index RSE Universum 2023 Parmi les 100 entreprises les plus attractives pour les étudiants et actifs BAC2/3 au classement Universum 2023 N°1 des entreprises de plus de 500 stagiaires et alternants qui rémunèrent le mieux au Classement HappyTrainees® Rémunération 2023 Dans le Top 10 des meilleurs employeurs en France au classement Glassdoor 2023 Dans le top 3 des entreprises du secteur « Automobile / Equipementier » en matière d’attractivité employeur à l’édition 2024 du Palmarès @EPOKA @GROUPE IFOP @Occurrence Pour en savoir plus sur le Groupe : https://recrutement.michelin.fr - - - - - - - - - - - -