Stage - Détection de Data Drift dans les Données Réseaux par Approche Causale Application à la Prédiction d'Erreurs de Modèles H/F - RTE

Donnez la bonne énergie à votre avenir, formez-vous avec RTE !

RTE est le gestionnaire du réseau français de transport d'électricité. En charge du plus grand réseau haute et très haute tension d'Europe, nous avons la responsabilité de garantir à plus de 67 millions de consommateurs, aux industries et aux distributeurs, une alimentation électrique fiable, 24h/24.

En coulisse, plus de 10 000 hommes et femmes orchestrent en temps réel l'équilibre entre production et consommation d'électricité, conduisent les flux, réalisent la maintenance des installations, innovent, mais aussi pilotent les projets qui transforment le réseau, main dans la main avec les territoires. Notre moteur collectif : mettre nos expertises au service de l'intérêt général et d'un futur durable où l'électricité sera la principale énergie.

RTE place la santé et la sécurité de ses collaborateurs, prestataires et partenaires au premier plan, en faisant de la prévention des risques un pilier de sa culture d'entreprise. Convaincus que la diversité est une richesse, nous étudions toutes les candidatures avec la même attention, y compris celles de personnes en situation de handicap, pour construire des équipes représentatives d'une société pleinement inclusive.

Investi d'une mission de service public, RTE respecte le principe de neutralité religieuse et politique.

Lieu : La Défense
Durée et/ou période du stage : 6 mois à partir de mars 2027

Le réseau électrique français, en constante évolution, génère des flux de données massifs et dynamiques. Ces données sont soumises à des variations imprévisibles (ou data drift), causées par des changements structurels (intégration de nouvelles sources d'énergie, modifications de la topologie du réseau), des phénomènes externes (conditions météorologiques, pics de consommation) ou des anomalies (défauts, pannes, cyberattaques). Pour garantir la sûreté et la stabilité du réseau, RTE développe AssistFlux, un assistant intelligent d'aide à la conduite du réseau électrique, basé sur l'IA pour proposer des parades adaptées et résoudre les contraintes apparaissant sur le réseau. Cependant, les performances de ces modèles dépendent de la qualité des données d'entraînement : un data drift ( l'évolution des distributions des données dans le temps) peut dégrader les performances du modèle en production, compromettant ainsi la fiabilité des recommandations proposées.

Votre stage s'inscrit dans ce défi : explorer les méthodes d'IA causale afin de prédire les performances d'un modèle de référence (appris). Plus particulièrement, vous chercherez à identifier des schémas causaux dans les données utilisées pour l'entraînement (variables explicatives X) combinée à l'erreur du modèle de référence. Ce travail s'appuiera sur des données réelles et des méthodes innovantes.

En tant que stagiaire, vous serez intégré au sein du pôle IA-GRID de la Direction Données, Intelligence Artificielle et Analyse (DIA2). Le stage s'effectuera en cotutelle avec le CEA. Ce stage vous permettra de comprendre les enjeux du système électrique à court terme, le fonctionnement du réseau et de mettre en oeuvre l'état de l'art des méthodes de détection de ruptures dans les schémas causaux.

Principales activités :

• Analyser et s'approprier les données disponibles pour les prévisions et celles disponibles pour l'apprentissage des modèles
• Réaliser un état de l'art des méthodes d'études de causalités pour la détection de data drift qui pourraient être adaptées au cas d'usage de données réseaux.
• Appliquer ces méthodes pour identifier la présence de schémas causaux dans les données
• S'assurer que les schémas causaux identifiés sont correctement appris par les modèles d'apprentissages utilisés et proposer les adaptations adéquates pour améliorer l'apprentissage si nécessaire (modification de la loss par exemple).

Vous êtes actuellement étudiant en dernière année d'école d'ingénieur ou vous suivez un cursus universitaire en Bac +5 en data science, IA, mathématiques appliquées ou informatique avec un intérêt marqué pour les enjeux énergétiques.

• Vous disposez de connaissances en statistiques et apprentissage machine.
• Vous savez utiliser un langage de type python ou R.
• Vous avez une appétence pour comprendre le fonctionnement système électrique et les phénomènes physiques associés aux pertes.
• Vous savez faire preuve de créativité et de rigueur.
• Vous avez une bonne capacité d'analyse et de recul sur les résultats.