Référent.e IA — PurePilot STEP

Rôle principal du poste

En tant que référent.e technique de la brique algorithmique de PurePilot STEP, l’objectif est de concevoir, industrialiser et fiabiliser les modèles d'optimisation et de contrôle déployés sur plusieurs centaines de stations. L’objectif est donc de faire le pont entre les besoins produit, la réalité physique des procédés et l'état de l'art en IA et commande avancée.

Missions 

1. Traduire la roadmap produit en chantiers algorithmiques

• Avec le Product Owner, transformer chaque objectif produit en problème de modélisation, avec ses données, ses contraintes et son critère de réussite.
• Estimer, planifier et prioriser ces chantiers.

2. Construire les modèles

• Développer les modèles prédictifs et les jumeaux numériques basés données des procédés STEP : nitrification/dénitrification, traitement du phosphore, et nouveaux cas d’usage en station d’épuration.
• Automatiser la construction de modèles à l’échelle du parc : sélection et calibration automatiques par site (AutoML), transfert de connaissances entre stations (meta-learning).
• Combiner données et connaissances métier quand c'est utile (approches hybrides données / physique).
• Concevoir les stratégies de pilotage : commande prédictive (MPC), optimisation sous contraintes, optimisation stochastique.

3. Tester avant de déployer

• Définir les métriques et les protocoles de validation : rejeu sur historique, simulation, sites pilotes.
• Vérifier la robustesse : changements de régime, données manquantes ou erronées, événements pluvieux.

4. Mettre en production et maintenir

• Industrialiser les modèles : code testé, versionné, déployable sur tout le parc.
• Surveiller leur comportement en production et traiter les dérives ; être le recours technique sur les incidents algorithmiques remontés par le support.

5. Faire progresser l'équipe

• Partager les bonnes pratiques, échanger avec les autres ingénieur·es IA, encadrer des stagiaires.
• Assurer une veille scientifique et proposer des pistes de R&D.

Formation et expérience :

• Formation Bac+5 (école d'ingénieurs ou master 2) ou doctorat en mathématiques appliquées, automatique, informatique ou génie des procédés.
• Au moins trois ans d'expérience pratique mêlant commande avancée de systèmes dynamiques et apprentissage automatique, avec au moins un projet éprouvé en production industrielle réelle.

Compétences techniques :

• Identification de systèmes dynamiques, modélisation de séries temporelles et apprentissage automatique (scikit-learn, PyTorch, TensorFlow ou JAX)
• Modélisation probabiliste : prévisions probabilistes, quantification d’incertitudes
• Contrôle optimal : commande prédictive, optimisation sous contraintes, optimisation stochastique
• Python avancé et bonnes pratiques logicielles : tests, revue de code, versionnage, intégration continue
• Capacité à transformer un problème industriel concret en problème de modélisation
• Anglais technique

Qualités personnelles :

• Pragmatisme industriel : orientation vers le gain concret et la stabilité sur site plutôt que la seule complexité algorithmique.
• Pédagogie et esprit collaboratif : clarté d'explication auprès d'interlocuteurs non-spécialistes (équipes produit, automaticiens, exploitants terrain).
• Forte autonomie de conception et capacité à mener des projets de R&D appliquée de bout en bout.

Les atouts appréciés (mais pas bloquants) :

• Connaissance du traitement des eaux usées ou des procédés biologiques.
• Pratique des architectures MLOps, conteneurs (Docker) et déploiement edge/cloud.
• Expérience en transfert d'apprentissage ou méta-apprentissage sur parcs hétérogènes.

• Package salarial : fourchette de 35 000€ à 45 000€ en fonction de l’expérience.
• Organisation du travail : horaires flexibles, politique de télétravail hybride (trois jours sur site par semaine pour favoriser les interactions techniques).
• Avantages : séminaires réguliers, flotte de véhicules électriques en autopartage pour les déplacements professionnels et personnels, prime de vacances et prime forfait mobilité durable.