Stagiaire IA Calculs de Charges d’Eoliennes / AI Turbine Loads internship - (H/F)

English version below. **Aperçu de votre journée** Mettre en place une démarche structurée d’identification, de test et d’intégration de solutions d’intelligence artificielle adaptées aux besoins des équipes d’ingénierie charges et aéroélasticité. L’objectif est de cartographier l’état de l’art des modèles IA, d’identifier les solutions disponibles ou non au sein de Siemens Energy, de les relier à des cas d’usage concrets, puis d’évaluer leurs performances, limites et conditions d’utilisation dans des workflows d’ingénierie réels. Le stage devra contribuer à démontrer, à travers des preuves de concept pragmatiques, comment l’IA peut améliorer l’efficacité, l’automatisation, la capitalisation des connaissances et la qualité des analyses techniques. \_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_ **Comment vous aurez un impact** * Réaliser une cartographie de l’état de l’art des modèles et technologies d’intelligence artificielle pertinents pour les activités d’ingénierie : modèles de langage, assistants documentaires, génération de code, agents IA, outils de recherche augmentée, analyse de données et automatisation. * Identifir les solutions IA actuellement disponibles au sein de Siemens Energy, celles non disponibles ou restreintes, et clarifier leurs contraintes d’usage, limites techniques, règles de confidentialité et domaines d’application possibles. * Collaborer avec les ingénieurs charges, aéroélasticité et modélisation afin de comprendre les besoins métier, les workflows existants, les irritants opérationnels et les opportunités d’amélioration par l’IA. * Traduire les besoins métier en cas d’usage IA concrets, en distinguant les applications à forte valeur ajoutée, les cas peu adaptés à l’IA, et les cas nécessitant des précautions particulières en termes de validation technique. * Contribuer à l’identification et à la priorisation de cas d’usage où l’IA peut améliorer l’efficacité, l’automatisation, la recherche d’information, la documentation, la génération de scripts, la comparaison de résultats ou la capitalisation de connaissances. * Développer des scripts, prototypes ou outils simples permettant d’intégrer des modèles IA dans des workflows d’ingénierie existants, notamment pour la recherche documentaire, la génération de code, l’analyse de résultats ou l’automatisation de tâches répétitives. * Tester et valider les modèles IA sur des données de simulation, des documents techniques et des cas projet réels, en comparant les résultats obtenus avec les méthodes traditionnelles ou les analyses réalisées par les ingénieurs. * Benchmarking des différentes approches IA entre elles : modèles disponibles en interne, solutions externes autorisées, modèles de langage, approches RAG, agents IA, génération de code et outils d’assistance documentaire. * Documenter les performances des modèles, leurs limites, leurs erreurs typiques, leur niveau de robustesse, leurs risques d’hallucination et les bonnes pratiques nécessaires pour une utilisation fiable dans un contexte d’ingénierie critique. * Construire avec les ingénieurs des preuves de concept ciblées, par exemple : * un chatbot connecté aux turbine data sheets, au product directory et aux dossiers de documentation, capable de répondre à des questions techniques sur les turbines avec références, sources et liens vers les documents utilisés ; * un outil exploitant les release notes de BHawC pour générer ou structurer une documentation utilisateur ; * une assistance IA pour lire certaines parties du code BHawC et produire une première documentation technique de modules ciblés ; * une démonstration où un article scientifique interne, par exemple sur l’unsteady background flow, est utilisé comme base pour demander à un outil IA de recréer un code de calcul, puis comparer les résultats obtenus avec le code de référence. * Participer à la collaboration transverse avec les équipes digital, IT, data, engineering et architecture logicielle afin d’aligner les preuves de concept avec les contraintes internes, les outils disponibles et les règles de gouvernance des données. * Collecter le retour d’expérience des tests pilotes, formaliser les enseignements, préparer des supports de partage de connaissances et contribuer à diffuser les bonnes pratiques IA au sein de l’équipe. * Présenter régulièrement les résultats, limites, recommandations et propositions de cas d’usage lors de réunions techniques avec les parties prenantes. \_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_ **Livrables :** * Cartographie structurée des technologies IA pertinentes pour les activités charges, aéroélasticité et modélisation, incluant les solutions disponibles dans Siemens Energy et leurs restrictions d’usage. * Liste priorisée de cas d’usage IA pour l’équipe, avec estimation de la valeur ajoutée, faisabilité, risques, limites et prérequis de validation. * Un ou plusieurs prototypes ou preuves de concept fonctionnels, par exemple chatbot documentaire turbine, assistant de documentation BHawC, outil d’aide à la génération de code ou workflow de comparaison IA / calcul traditionnel. * Scripts, notebooks ou outils d’intégration permettant de tester les modèles IA sur des documents techniques, données de simulation ou cas projet. * Rapport de benchmark comparant différentes approches IA et méthodes classiques sur des critères de précision, robustesse, traçabilité, temps gagné et facilité d’intégration. * Documentation des limites, risques d’erreur, règles de validation et bonnes pratiques pour l’utilisation de l’IA dans un contexte d’ingénierie charges. * Supports de présentation et sessions de partage de connaissances pour diffuser les résultats et le retour d’expérience auprès de l’équipe. \_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_ **Critères de succès :** * Cartographie claire et exploitable des solutions IA pertinentes, disponibles ou non disponibles au sein de Siemens Energy. * Cas d’usage concrets définis avec les ingénieurs, reliés à des besoins métier réels et priorisés selon leur valeur et leur faisabilité. * Démonstration d’au moins une preuve de concept apportant une valeur mesurable : gain de temps, amélioration de l’accès à l’information, automatisation d’une tâche ou meilleure capitalisation des connaissances. * Comparaison documentée entre résultats IA et méthodes traditionnelles ou références d’ingénierie existantes. * Identification claire des limites techniques, risques d’hallucination, besoins de validation et conditions nécessaires pour une utilisation fiable. * Documentation permettant à l’équipe de réutiliser les prototypes, comprendre les résultats et poursuivre les développements après le stage. \_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_ **Ce que vous apportez** * Étudiant(e) en dernière année de cycle ingénieur ou Master 2 dans une grande école ou université reconnue : CentraleSupélec, École Polytechnique, ENSTA, ISAE-Supaero, Arts et Métiers, IMT Atlantique, INSA, UTC, ENPC – École des Ponts ParisTech, Mines Paris, Centrale Lyon/Nantes, ENSAE, Télécom Paris, ou programme international équivalent. * Formation en ingénierie, data science, intelligence artificielle, mathématiques appliquées, informatique scientifique, mécanique ou énergie. * Fort intérêt pour l’application concrète de l’IA à des problèmes d’ingénierie industrielle. * Bonne maîtrise de Python ; une expérience avec MATLAB, Git, notebooks, APIs, bases documentaires, outils RAG ou modèles de langage est un plus. * Capacité à comprendre des documents techniques, du code scientifique et des workflows d’ingénierie. * Intérêt pour les charges d’éoliennes, l’aéroélasticité, la simulation numérique ou les outils de calcul industriels. * Rigueur, esprit critique et capacité à distinguer une démonstration IA séduisante d’un résultat réellement validé et utilisable. * Bonne capacité de communication pour échanger avec des ingénieurs, équipes IT, digital et data. * Anglais courant requis ; le français est un plus. **Qui est Siemens Gamesa ?** Siemens Gamesa fait partie de Siemens Energy, leader mondial des technologies énergétiques avec plus de 150 ans d’innovation. Ensemble, nous nous engageons à rendre l’énergie durable, fiable et abordable en repoussant les limites du possible. Acteur majeur de l’industrie éolienne et fabricant d’éoliennes, nous sommes engagés dans la transition énergétique et proposons des solutions innovantes pour répondre à la demande énergétique croissante à l’échelle mondiale. Chez Siemens Gamesa, nous sommes constamment à la recherche de talents pour soutenir notre mission de transformation énergétique. **Notre engagement en faveur de la diversité** Heureusement pour nous, nous sommes tous différents. La diversité est notre moteur. Il fonctionne à l’inclusion, et notre énergie créatrice combinée est alimentée par plus de 130 nationalités. Siemens Energy célèbre la personnalité de chacun - quels que soient son origine ethnique, son genre, son âge, sa religion, son identité ou son handicap. Nous donnons de l’énergie à la société, à toute la société, et nous ne discriminons pas sur la base de nos différences. \_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_\_ ENGLISH **Objective:** To develop a structured approach for identifying, testing and integrating artificial intelligence solutions relevant to load engineering and aeroelasticity teams. The objective is to map the current state of the art in AI models and technologies, identify which solutions are currently available or unavailable within Siemens Energy, connect them to concrete engineering use cases, and assess their performance, limitations and conditions of use in real engineering workflows. The internship will contribute to demonstrating, through pragmatic proof-of-concepts, how AI can improve efficiency, automat