ALTERNANCE - Ingénieure / Ingénieur Machine Learning / CFD

Description du poste :

Dans le cadre de sa campagne d'alternance, ArianeGroup recrute une Ingénieure / Ingénieur en Machine Learning / CFD afin d'explorer et mettre en œuvre des méthodes de réseaux de neurones pour améliorer l'analyse et la conception d’organes de combustion.

Ce rôle implique l'intégration de modèles de machine learning physics informed, l'application de techniques avancées de dynamique des fluides numériques (CFD), et plus généralement à la contribution au développement de systèmes propulsifs de nouvelle génération.

Cette alternance vous proposera une opportunité unique de contribuer à des projets aérospatiaux de pointe, dans un environnement international au sein d'une équipe répartie entre la France et l'Allemagne.

Sous la responsabilité de votre maître d'apprentissage, vous serez activement impliqué(e) dans les tâches suivantes :

- Réaliser une revue de la littérature sur les réseaux de neurones et autres modèles d'IA présentant un intérêt pour la construction d'un modèle de substitution (surrogate model) des canaux de refroidissement de chambre de combustion

- Prendre en main le logiciel PhysicsNemo de Nvidia : installation du logiciel, mise en œuvre du workflow sur le matériel disponible

- Réaliser une première démonstration de prototype de modèle de substitution avec un modèle de Réseau de Neurones Informé par la Physique (PINN)

- Définir et calculer une base de donnée d'entraînement CFD pour alimenter un modèle de Réseau de Neurones Hybride

- Mettre en place le modèle hybride basé sur les données CFD, évaluer la sensibilité à la taille de la base de donnée d'entraînement

- Étudier la faisabilité d’un finetuning avec des données expérimentales

- Documenter les résultats dans une note technique et partager les conclusions des études au sein de l'équipe à travers des présentations dédiées

Qualifications

Vous souhaitez réaliser une alternance au sein d'ArianeGroup et préparez un diplôme de niveau BAC+5 avec une spécialisation en Machine Learning, calcul scientifique et/ou mécanique des fluides, énergétique et propulsion.

Vous avez des connaissances en Machine Learning, mécanique des fluides, CFD et méthodes d'apprentissage profond. Une connaissance préalable du logiciel Ansys Fluent serait un plus.

Vous avez des compétences en programmation, en particulier en langage Python. Une connaissance préalable des bibliothèques d'apprentissage profond (PyTorch, TensorFlow, etc.) serait un plus.

Vous maitrisez la langue anglaise - avoir des notions d'allemand serait un plus.

Vous êtes une personne curieuse, proactive et dotée d'un bon relationnel ? Cette offre est faite pour vous ! 🚀

Informations complémentaires :

Poste basé à : Vernon (27)
Durée de l'alternance : 1 an
Date de début : Septembre 2026

Quelques mots sur le site de : Vernon

Situé au sein du Campus de l'Espace, le site de Vernon regroupe plus de 700 salariés travaillant sur des installations de pointe au service de nos activités défenses et civiles. A votre arrivée, vous aurez l'occasion de visiter certaines d'entre-elles. Le site de Vernon est le pôle d'excellence de la technologie hydrogène. C'est également le site de production des moteurs Vulcain et Prometheus.

Le site dispose d'un restaurant d'entreprise et d'un CSE dynamique avec de nombreuses sections associatives et avantages associés.

Vous aurez l'occasion de travailler sur le site ArianeGroup qui a servi de décor pour à la réalisation du film "L'astronaute". Des plus, les lancements assurés par Arianespace sont retransmis sur le site.

Le site est accessible avec le TER J (Arrêt Vernon - Giverny) et dispose d'un parking sécurisé pour les salariés.

Dans le cadre des activités relatives à l’emploi proposé, vous serez amené(e) à accéder à un (ou des) site(s) relevant de la responsabilité d’ArianeGroup. A cette fin et dans le respect des articles R1332-22-1 et suivants du Code de la Défense, nous vous informons qu’une enquête administrative sera réalisée à notre demande par l’autorité administrative, afin de vérifier qu’aucun fait vous concernant n’est incompatible avec l’accès envisagé.