|
Notre organisation : La Direction Générale du Système d'Information dote Dassault Aviation des plateformes numériques et d'intelligence artificielle (IA) qui accélèrent le travail des ingénieurs de la société. Au sein de la Direction des Développements et Projets, le Centre de compétences High Performance Data Analysis conçoit et industrialise les usages de l'IA de nouvelle génération : agents autonomes, modèles de langage à très large contexte et moyens de calcul associés. Les modèles monolithiques montrent leurs limites dès qu'un problème devient long et complexe. Notre ambition est de leur substituer des essaims d'agents capables de collaborer, de planifier sur la durée et de s'auto-corriger. Vous rejoignez l'équipe IA du CC HPDA basée à Mérignac. Rattaché(e) au responsable de l'équipe, vous êtes accompagné(e) au quotidien par un tuteur qui vous conseille sur les orientations techniques à prendre. Vos missions : concevoir et développer de bout en bout un framework agentique capable de planifier, de négocier un consensus et de s'auto-optimiser, sur des problèmes complexes et de longue haleine (migration de systèmes, R&D automatisée, ingénierie logicielle), via un environnement d'orchestration type LangGraph. 1. Gouvernance et convergence des agents - Modéliser des protocoles de débat contradictoire entre des agents aux personas distincts. - Démontrer, par une analyse logique ou par des mesures, qu'un essaim hétérogène négocie un consensus valide et produit des résultats plus robustes, moins sujets aux hallucinations, qu'un agent unique. - Définir les métriques de robustesse et les scénarios de test associés. 2. Planification hiérarchique et mémoire persistante - Coupler les agents à une mémoire grapho-centrée (Knowledge Graphs) pour archiver, compresser et récupérer le contexte pertinent. - Maintenir une stratégie cohérente sur des centaines de sous-tâches sans saturer la fenêtre de contexte. 3. Méta-apprentissage et Agentic AutoML - Concevoir des boucles de rétroaction autonomes dans lesquelles des agents évaluateurs et critiques entraînent, testent, affinent et corrigent de plus petits modèles de Machine Learning. - Permettre au système d'ajuster ses hyperparamètres ou son architecture algorithmique après une itération ratée, sans intervention humaine. 4. Mise à l'épreuve et capitalisation - Évaluer le framework sur un cas d'usage réel de la DGSI et mesurer le gain apporté. - Rédiger la documentation technique et présenter les résultats aux équipes IA. Dans le cadre de votre mission, vous travaillerez en étroite relation avec les équipes d'ingénierie logicielle et d'exploitation de la DGSI, les experts data et IA, et les utilisateurs des cas d'usage visés.
Ce stage vous permettra d'acquérir une maîtrise pointue des architectures agentiques sur des cas d'usage réels. Vous travaillerez sur un sujet d'innovation qui irriguera ensuite l
|