About this role
Publication date : Oct 26, 2026, 11:34AM
Contract duration : 6 months
Dans le cadre de travaux de recherche sur le demand-response, ce stage vise à étudier l'articulation entre agents LLM et modèles de décision : apprentissage par renforcement (RL), optimisation mathématique et règles déterministes. L'objectif est de permettre à une station de base 5G, équipée de batteries et de panneaux photovoltaïques, d'adapter sa stratégie à de nouvelles consignes opérationnelles (par exemple une modification temporaire de la réserve d'énergie), tout en respectant les contraintes physiques et la qualité de service. Les agents LLM interpréteront ces consignes et orchestreront les modèles existants, sans se substituer aux contrôleurs numériques. Le stage s'appuiera sur un simulateur et des modèles développés dans le cadre d'une thèse.
Les axes de travail envisagés sont
- Explorer les approches d'IA agentique associant LLM, apprentissage par renforcement et optimisation mathématique.
- Formaliser l'articulation entre la supervision agentique et les modèles de décision (rôles, échelles de temps, limites d'autorité).
- Développer un environnement permettant aux agents d'interagir avec les modèles et les outils, en garantissant la validation et la traçabilité des décisions.
- Concevoir et comparer différentes approches d'orchestration, des plus simples (règles déterministes) aux architectures agentiques, afin d'identifier ce que chacune apporte.
- Évaluer les solutions selon la conformité aux consignes, la faisabilité des décisions, la qualité de service et les coûts énergétiques et de calcul.
Ces axes constituent un cadre de départ : le stagiaire sera encouragé à proposer et explorer ses propres pistes, en lien étroit avec l'équipe d'encadrement.
Le stage devra ainsi déterminer les conditions dans lesquelles une supervision agentique apporte une valeur ajoutée mesurable à l'exploitation des modèles de décision existants, et identifier les compromis entre performance, fiabilité et complexité par rapport à une orchestration déterministe.
- Vous préparez un Bac+5 (école d'ingénieur ou Master 2) en intelligence artificielle, data science ou mathématiques appliquées.
- Vous maîtrisez Python et avez de solides bases en mathématiques et en apprentissage automatique.
- Une expérience en LLM et systèmes agentiques (frameworks d'agents, appels d'outils, orchestration multi-agents) est souhaitée.
- Une expérience en apprentissage par renforcement est un plus.
- Un intérêt pour les problématiques énergétiques ou les réseaux télécoms est apprécié.
- Vous êtes à l'aise avec l'anglais technique (lecture d'articles scientifiques).
- Vous faites preuve de curiosité, de créativité et d'autonomie, et vous aimez résoudre des problèmes complexes de façon méthodique.
- Vous avez de fortes capacités d'analyse et de synthèse, aimez travailler en équipe et communiquez aisément à l'écrit comme à l'oral.
Orange Innovation constitue la vitrine technologique du groupe, et se donne à ce titre les moyens d’explorer les sujets les plus avancés touchant aux métiers de l’opérateur.
Au sein de cette entité, la division Data & AI est reconnue pour son expertise. Vous serez intégré dans des programmes de développement de pointe et serez au contact d’experts reconnus dans leur domaine.
Vous rejoindrez une équipe d’une vingtaine de personnesbasées à Châtillon. Les profils très variés (chercheurs, data scientists, data engineers) et les sujets à la pointe technologiquement permettent d’évoluer dans un environnement riche techniquement et humainement.
Votre bonne humeur, votre esprit d’équipe, votre curiosité ainsi que votre excellence technique vous permettront de vous intégrer au mieux dans cet environnement passionnant.
Desired start date : Mar 01, 2027, 12:00AM
At Orange, only your skills matter.
Regardless of your age, gender, background, origin, religion, sexual orientation, disability, neurodiversity, or appearance, we actively encourage diversity within our teams, as it is a collective strength and a driver of innovation. Orange is a disability-inclusive employer: please feel free to let us know about any specific needs you may have.