Alternant Data et IA H/F

Résumé

La donnée est aujourd'hui au coeur de nombreuses innovations numériques. Issue d'applications, de plateformes, de capteurs ou d'objets connectés, elle doit être collectée, préparée, analysée et valorisée afin de concevoir des services et des systèmes plus intelligents.

Cette alternance de trois ans propose à un étudiant de développer progressivement des compétences solides en data science, intelligence artificielle et big data, en participant à des projets concrets de recherche appliquée et d'innovation.

L'alternant interviendra à différentes étapes d'un projet Data et IA, depuis l'exploration des données jusqu'au développement et au déploiement de modèles sur des architectures cloud, edge ou distribuées.

Les projets pourront concerner différents domaines, tels que la santé numérique, les objets connectés, les environnements intelligents, l'industrie, le bâtiment, la mobilité ou les services numériques.

Il n'est pas nécessaire de maîtriser l'ensemble des technologies mentionnées avant de candidater : les missions seront adaptées au niveau de l'alternant et évolueront au cours des trois années.

Travaux de recherche

La généralisation des services numériques, des capteurs et des objets connectés entraîne la production de volumes croissants de données, souvent hétérogènes, distribuées et générées en continu. Leur exploitation nécessite de maîtriser l'ensemble de la chaîne de valorisation de la donnée, depuis sa collecte et son stockage jusqu'à son analyse, sa modélisation et son déploiement. La data science, l'intelligence artificielle et le big data occupent ainsi une place centrale dans la conception de systèmes capables de comprendre leur environnement, de détecter des situations particulières, d'anticiper des événements et d'accompagner la prise de décision.

Au cours de cette alternance, l'alternant participera progressivement aux différentes étapes de projets Data et IA. Il pourra être amené à collecter, nettoyer, structurer, explorer et visualiser des données issues de sources variées, puis à concevoir, entraîner et évaluer des modèles de machine learning et de deep learning. Les travaux pourront notamment porter sur des images, des séries temporelles, des données multimodales ou des données produites par des capteurs, des applications et des systèmes connectés.

Selon les besoins des projets, l'alternant pourra également contribuer à la conception de pipelines automatisés de traitement, expérimenter des technologies big data et étudier le déploiement de modèles sur des architectures cloud, edge, fog ou embarquées. Les travaux pourront également s'ouvrir aux systèmes distribués, à l'IA distribuée, à l'apprentissage fédéré, à la protection des données et à l'optimisation des ressources de calcul.

Les domaines d'application pourront notamment concerner la santé numérique, les environnements intelligents, la mobilité durable, l'industrie, le bâtiment ou, plus largement, les systèmes cyber-physiques.

Ces orientations s'inscrivent dans la continuité des recherches menées par l'encadrante et au sein de CESI LINEACT. Les travaux existants illustrent différentes applications de la data science et de l'intelligence artificielle, allant de l'analyse de données complexes à la conception de modèles prédictifs, en passant par la vision par ordinateur, le transfert de connaissances et le traitement distribué des données [1–3]. D'autres recherches du laboratoire portent notamment sur l'analyse de données multimodales, la reconnaissance des émotions, l'apprentissage fédéré, la sécurité des réseaux IoT et les modèles de deep learning sur graphes [4–7].

Ces contributions constituent une base scientifique et technique solide, tout en laissant la possibilité de faire évoluer les missions en fonction des projets, des compétences acquises et des centres d'intérêt de l'alternant.

Les activités confiées seront définies en fonction des projets de recherche en cours et évolueront progressivement au cours des trois années. Selon les problématiques abordées, l'alternant pourra monter en compétences en programmation Python, data science, machine learning, deep learning, traitement de données, pipelines big data, analyse de séries temporelles, vision par ordinateur, systèmes distribués, edge computing ou apprentissage fédéré.

Intégré dès la première année à des projets concrets, il gagnera progressivement en autonomie et contribuera à la conception, à l'expérimentation, à l'évaluation et, lorsque cela sera pertinent, au déploiement de solutions Data et IA complètes. Selon l'avancement et les résultats obtenus, les travaux pourront également faire l'objet d'une valorisation technique ou scientifique (démonstrateur, poster, communication ou article scientifique).

Programme de travail

Première année : intégrer les projets et développer ses compétences

Dès la première année, l'alternant sera intégré à un projet concret. Selon les besoins, il pourra :

• Préparer, explorer et visualiser des données

• Renforcer ses compétences en Python, Git et data science

• Réaliser de premières expérimentations en machine learning ou deep learning

• Documenter et présenter les travaux réalisés

Deuxième année : approfondir et développer des solutions

L'alternant participera à des projets plus complets et pourra :

• Concevoir des pipelines de traitement de données

• Développer, comparer et évaluer des modèles d'IA

• Explorer des technologies big data et des architectures cloud, edge ou distribuées

• Réaliser un prototype et un état de l'art sur la problématique étudiée

Troisième année : gagner en autonomie et valoriser les résultats

L'alternant contribuera de manière plus autonome à la conception d'une solution Data ou IA complète. Il pourra :

• Concevoir et optimiser une architecture de traitement et des modèles d'IA

• Expérimenter des approches d'IA distribuée, d'apprentissage fédéré ou d'edge computing

• Développer un démonstrateur ou un prototype fonctionnel

• Valoriser les résultats à travers un rapport, un poster, une communication ou un article scientifique

Contexte

Présentation du laboratoire

CESI LINEACT (UR 7527), Laboratoire d'Innovation Numérique pour les Entreprises et les Apprentissages au service de la Compétitivité des Territoires, accompagne les mutations technologiques des secteurs liés à l'industrie et à la construction. La proximité historique de CESI avec les entreprises oriente une recherche appliquée, menée en partenariat avec elles. Une approche centrée sur l'humain, associée à un ancrage territorial fort et à des liens étroits avec la formation, structure une recherche transversale plaçant les besoins et les usages des personnes au coeur de ses questionnements.

La recherche du laboratoire s'organise autour de deux équipes scientifiques interdisciplinaires et de plusieurs domaines d'application.

• L'équipe 1 « Apprendre et Innover » couvre les sciences cognitives, les sciences sociales et de gestion, ainsi que les techniques de formation et d'innovation. Elle étudie notamment l'effet de situations instrumentées par des objets techniques, tels que des plateformes, des ateliers de prototypage ou des systèmes immersifs, sur les processus d'apprentissage, de créativité et d'innovation.

• L'équipe 2 « Ingénierie et Outils Numériques » couvre les sciences et l'ingénierie numérique. Elle se concentre sur la modélisation, la simulation, l'optimisation et l'analyse de données des systèmes cyber-physiques, ainsi que sur les outils d'aide à la décision et l'étude des interactions humain-système, en particulier au moyen de jumeaux numériques couplés à des environnements virtuels ou augmentés.

Ces deux équipes développent et croisent leurs recherches dans des domaines d'application tels que l'Industrie 5.0, la Construction 4.0 et la ville durable, ainsi que les services numériques, en s'appuyant notamment sur des plateformes de recherche situées à Rouen, dédiées à la Factory 5.0, et à Nanterre, dédiées à la Factory 5.0 et à la Construction 4.0.

L'alternant rejoindra un environnement composé d'enseignants-chercheurs, d'ingénieurs, de doctorants, de stagiaires et d'élèves ingénieurs. Il pourra participer à des projets collaboratifs et bénéficier d'un accompagnement régulier dans le développement de ses compétences techniques, méthodologiques et professionnelles. Les cas d'usage pourront notamment concerner les objets connectés et les environnements intelligents, la santé numérique et l'accompagnement de l'autonomie, la reconnaissance d'activités humaines, la détection d'anomalies, les systèmes Edge, Cloud et distribués, l'analyse et la valorisation de données issues de capteurs, ainsi que l'intelligence artificielle appliquée aux systèmes cyber-physiques.

Compétences

Compétences scientifiques et techniques : bases en programmation, intérêt pour Python et le développement informatique, appétence pour les données et l'intelligence artificielle, notions en algorithmique, bases de données ou statistiques, et capacité à comprendre des ressources techniques en anglais. Des connaissances en machine learning, deep learning, big data, IoT ou systèmes distribués seront appréciées, mais ne sont pas indispensables.

Compétences relationnelles : curiosité, envie d'apprendre, rigueur, sens de l'organisation, capacité à travailler en équipe, esprit d'analyse, goût pour l'expérimentation et autonomie progressive.

Conditions & avantages

Contrat : Apprentissage, date de début à partir d’Octobre 2026

Localisation : CESI Campus de Lille (Villeneuve d’Ascq)

Durée : 3 ans dans le cadre d’un cycle ingénieur ou équivalent

• Poste uniquement en alternance

• Rémunération Brute Annuelle sur 12 mois selon le niveau de diplôme préparé

• Mutuelle pris en charge à 90% ;

• Participation et intéressement ;

• Télétravail 4 jours par mois (après 3 mois d’ancienneté);

• Ticket restaurant 100% pris en charge par CESI.

Abstract

Data is now at the heart of many digital innovations. Generated by applications, platforms, sensors and connected objects, it must be collected, prepared, analysed and leveraged in order to design smarter services and systems. This three-year apprenticeship position offers students the opportunity to progressively develop strong skills in data science, artificial intelligence and big data by contributing to concrete applied research and innovation projects. The apprentice will be involved in the different stages of Data and AI projects, from data exploration and preparation to the development and deployment of models on cloud, edge or distributed architectures. Projects may address various domains such as digital health, the Internet of Things, smart environments, industry, buildings, mobility or digital services. Prior mastery of all mentioned technologies is not required: the missions will be tailored to the apprentice’s initial level and will evolve over the three years.

Research Work

Scientific context

The widespread use of digital services, sensors and connected objects generates ever-growing volumes of data, often heterogeneous, distributed and produced continuously. Exploiting these data requires mastering the whole value chain, from collection and storage to analysis, modelling and deployment. Data science, artificial intelligence and big data therefore play a central role in designing systems capable of understanding their environment, detecting specific situations, anticipating events and supporting decision-making.

Subject

During this apprenticeship, the student will progressively contribute to the different stages of Data and AI projects. Tasks may include collecting, cleaning, structuring, exploring and visualising data from various sources, as well as designing, training and evaluating machine learning and deep learning models. Work may focus on images, time series, multimodal data or data produced by sensors, applications and connected systems.

Depending on project needs, the apprentice may also help design automated data processing pipelines, experiment with big data technologies and investigate model deployment on cloud, edge, fog or embedded architectures. The work may further extend to distributed systems, distributed AI, federated learning, data protection and the optimisation of computing resources. Application domains may include digital health, smart environments, sustainable mobility, industry, buildings and, more broadly, cyber-physical systems.

Work program

Over the three years, the apprentice will follow a progressive work program:

• Year 1 - Integration and skills development: integration into an ongoing project; data preparation, exploration and visualisation; reinforcement of python, Git and data science skills; first experiments in machine learning or deep learning; documentation and presentation of the work carried out.

• Year 2 - In-depth work and solution development: participation in more advanced projects; design of data processing pipelines; development, comparison and evaluation of AI models; exploration of big data technologies and cloud/edge/distributed architectures; production of a prototype and a literature review on the studied problem.

• Year 3 - Autonomy and valorisation : contribution, with greater autonomy, to a complete Data or AI solution ; design and optimisation of processing architectures and AI models; experiments in distributed AI, federated learning or edge computing; implementation of a demonstrator or functional prototype; valorisation of results through a report, poster, communication or scientific article.

Context

Lab presentation

CESI LINEACT (UR 7527), Laboratory for Digital Innovation for Businesses and Learning to Support the Competitiveness of Territories, anticipates and accompanies the technological mutations of sectors and services related to industry and construction. The historical proximity of CESI with companies is a determining element for our research activities. It has led us to focus our efforts on applied research close to companies and in partnership with them. A human-centered approach coupled with the use of technologies, as well as territorial networking and links with training, have enabled the construction of cross-cutting research; it puts humans, their needs and their uses, at the center of its issues and addresses the technological angle through these contributions.

Its research is organized according to two interdisciplinary scientific teams and several application areas.

• Team 1 "Learning and Innovating" mainly concerns Cognitive Sciences, Social Sciences and Management Sciences, Training Techniques and those of Innovation. The main scientific objectives are the understanding of the effects of the environment, and more particularly of situations instrumented by technical objects (platforms, prototyping workshops, immersive systems...) on learning, creativity

  and innovation processes.

• Team 2 "Engineering and Digital Tools" mainly concerns Digital Sciences and Engineering. The main scientific objectives focus on modeling, simulation, optimization and data analysis of cyber physical systems. Research work also focuses on decision support tools and on the study of human-system interactions in particular through digital twins coupled with virtual or augmented environments.

These two teams develop and cross their research in application areas such as

• Industry 5.0,

• Construction 4.0 and Sustainable City,

• Digital Services.

Areas supported by research platforms, mainly that in Rouen dedicated to Factory 5.0 and those in Nanterre dedicated to Factory 5.0 and Construction 4.0.

Skills

Scientific and technical skills: Basic experience in programming, strong interest in Python and software development, motivation for working with data and artificial intelligence, foundational knowledge in algorithms, databases and/or statistics, and the ability to read and understand technical resources in English. Knowledge of machine learning, deep learning, big data, IoT or distributed systems is appreciated but not mandatory.

Soft skills: Curiosity and willingness to learn, rigour, good organisational skills, ability to work as part of a team, analytical mindset, interest in experimentation and capacity to gain autonomy progressively.

Terms & Benefits

Contract: Apprenticeship, starting from October 2026

Location: CESI LILLE (Villeneuve d’Ascq)

Duration: three years, as part of an engineering degree programme or equivalent

Work-study programme only

Gross annual salary over 12 months, depending on the level of qualification being studied for

90% of health insurance costs covered;

Profit-sharing and incentive schemes;

Remote working 4 days per month (after 3 months’ service);

Meal vouchers 100% covered by CESI.