Stagiaire en développement d’une application web pour l’analyse de données de production (f/h)

Saint-Gobain, leader mondial de l'habitat performant et durable, conçoit, produit et distribue des matériaux de construction en apportant des solutions innovantes sur les marchés en croissance des pays émergents, de l'efficacité énergétique et de l'environnement.

Au sein du business Gypse, l’analyse de données est au cœur de l’amélioration des procédés industriels. Des méthodes avancées de statistiques et de machine learning sont utilisées pour comprendre les dérives de production, identifier les causes racines et optimiser la performance des usines. Dans ce contexte, ce stage s’inscrit dans une démarche de démocratisation des outils data auprès des équipes opérationnelles.

L’objectif de ce stage est double : contribuer d’une part au développement d’une application web pour démocratiser l’accès à ces outils analyses avancées, et d’autre part à l’approfondissement des modèles et approches statistiques et machine learning utilisées.

Objectifs du stage :

Ce stage s’articule autour de deux axes complémentaires :

• Développement d’une application web permettant de rendre accessibles des outils avancés d’analyse de données industrielle
• Approfondissement de méthodes de datascience appliquées aux problématiques de production (détection de dérives, analyse statistique, etc.)

Missions :

Intégré(e) à l’équipe Gypsum Industry 4.0, vous travaillerez en lien étroit avec les équipes procédés, qualité de certaines usines et le centre de recherche parisien du groupe.

Développement d’application

• Concevoir et développer un prototype d’application web dédié à l’analyse de données industrielles
• Intégrer les modèles d’Analytics déjà développés dans l’équipe
• Participer à la conception technique (architecture, backend, gestion des données)
• Proposer des optimisations sur les performances (backend, bases de données)

Data science & Analytics

• S’approprier les méthodes statistiques et de machine learning existantes
• Approfondir certaines techniques (détection de dérives, comparaison statistique, benchmarking)
• Contribuer à l’amélioration des modèles à partir de cas d’usage industriels réels

Interaction métier & déploiement

• Tester les outils avec des ingénieurs procédés et des équipes production
• Recueillir les besoins utilisateurs et adapter les développements
• Contribuer à la diffusion des bonnes pratiques data dans les usines

Environnement technique

• Langages : Python
• Data / ML : bibliothèques Python (pandas, scikit-learn, etc.)
• Développement web : (selon profil) frameworks Python ou JavaScript
• Cloud / DevOps : Azure Machine Learning, Azure Kubernetes Services (AKS), Docker
• Outils : Git, environnement open source