Alternance - Développeur Python - IA H/F - Framatome

Framatome, filiale d'EDF, conçoit, entretient et installe des composants et des combustibles ainsi que des systèmes de contrôle-commande pour les centrales nucléaires. Ses plus de 22 000 salariés permettent chaque jour aux clients de produire un mix énergétique bas-carbone toujours plus propre, plus sûr et plus économique. Ils développent aussi des solutions pour les secteurs de la défense, de la médecine nucléaire et du spatial.

Implantée dans une vingtaine de pays, Framatome rassemble les expertises d'hommes et de femmes passionnés et convaincus que le nucléaire est une énergie d'avenir. Entreprise responsable, Framatome déploie des actions pour former et accompagner les premières expériences professionnelles (label Happy Trainees), intégrer tous les talents, dont les personnes en situation de handicap, oeuvrer pour l'égalité professionnelle et la mixité de nos métiers (94/100 à l'index de l'égalité hommes-femmes) et concilier les temps de vie.

Rejoignez-nous et suivez notre actualité sur www.framatome.com, LinkedIn ou bien Instagram.Rejoignez le pôle IA CORP DPIT de Framatome en tant qu'alternant(e) Développeur Python IA ! Vous participerez à la refactorisation, l'industrialisation et le développement d'outils IA de pointe, en collaboration avec une équipe d'une vingtaine de data scientists et ingénieurs IA/ML/NLP/CV.
L'objectif est d'acquérir une expertise technique avancée tout en contribuant à des projets stratégiques pour le secteur nucléaire.

Missions principales:
Refactorisation & mise en production de code IA
- Reprise, structuration et optimisation de code existant pour l'industrialisation
- Application des bonnes pratiques de développement : modularité, tests, documentation, typage, validation
Déploiement d'outils IA
- Mise en production de modèles de Machine Learning (Scikit-learn, XGBoost, LightGBM, CatBoost)
- Déploiement de modèles de Deep Learning (PyTorch, transformers, sentence-transformers)
- Traitement du langage naturel (NLP) avec Langchain, Langgraph
Recherche opérationnelle & optimisation
- Programmation linéaire, mixte et heuristique pour la résolution de problèmes industriels
Manipulation & modélisation de données
- Utilisation avancée de Pandas, Polars, Dask, PySpark pour le traitement de grands volumes de données
- Modélisation et validation de données avec Pydantic, dataclasses, Enum
Collaboration & documentation
- Travail en équipe et participation aux revues de code
- Rédaction de documentation technique et guides utilisateurs
Exemples de missions concrètes
- Refactorisation d'un pipeline de classification pour la mise en production
- Développement d'un outil d'optimisation de planning usine sous contraintes
- Implémentation d'un module de NLP pour l'analyse de documents techniques du nucléaire
- Validation et structuration de modèles de données avec Pydantic

Vous préparez un diplôme de niveau Bac +5 en école d'ingénieurs ou équivalent universitaire avec une spécialisation en informatique pour une alternance de 2 à 3 ans.
Vous avez de solides bases en Python : structures de données, programmation orientée objet, typage, tests et packaging.
Vous avez un intérêt marqué pour le Machine Learning, avec idéalement une première expérience via des projets ou stages, et êtes curieux(se) des techniques de Deep Learning, notamment PyTorch et NLP.
Vous savez manipuler et traiter des données volumineuses avec des outils comme Pandas, Polars, Dask ou PySpark et vous accordez une grande importance à la structuration de code, à sa lisibilité, sa maintenabilité et sa documentation.
Autonome, curieux(se) et doté(e) d'un bon esprit d'équipe, vous êtes capable de documenter vos travaux et de collaborer efficacement avec vos collègues. Vous maîtrisez le français courant et disposez de notions d'anglais technique pour suivre la documentation et les échanges avec l'équipe.

Compétences techniques abordées pendant l'alternance
- Python : UV, structuration avancée, PEP8, typage, tests unitaires
- Machine Learning : Scikit-learn, XGBoost, LightGBM, CatBoost
- Deep Learning : PyTorch, transformers, sentence-transformers
- NLP : Langchain, Langgraph
- Recherche opérationnelle : PuLP, SCIP, OR-Tools, optimisation sous contraintes
- Manipulation de données : Pandas, Polars, Dask, PySpark
- Modélisation / validation de données : Pydantic, dataclasses, Enum
- Outils : Git (GitLab et Azure DevOps), CI/CD, Podman, documentation (Sphinx, Markdown)