LLM pour l'extraction et l'interrogation de la documentation MRO F/H

Safran est un groupe international de haute technologie opérant dans les domaines de l'aéronautique (propulsion, équipements et intérieurs), de l'espace et de la défense. Sa mission : contribuer durablement à un monde plus sûr, où le transport aérien devient toujours plus respectueux de l'environnement, plus confortable et plus accessible. Implanté sur tous les continents, le Groupe emploie 100 000 collaborateurs pour un chiffre d'affaires de 27,3 milliards d'euros en 2024, et occupe, seul ou en partenariat, des positions de premier plan mondial ou européen sur ses marchés. Safran est la 2ème entreprise du secteur aéronautique et défense du classement « World’s Best Companies 2024 » du magazine TIME. Safran Aircraft Engines conçoit, produit et commercialise, seul ou en coopération, des moteurs aéronautiques civils et militaires aux meilleurs niveaux de performance, fiabilité et respect de l'environnement. La société est notamment, à travers CFM International*, le leader mondial de la propulsion d'avions commerciaux courts et moyen-courriers. * CFM International est une société commune 50/50 de Safran Aircraft Engines et GE Aerospace. Parce que nous sommes persuadés que chaque talent compte, nous valorisons et encourageons les candidatures de personnes en situation de handicap. Descriptif mission Le département Engineering global se positionne en tant que hub technique pour supporter le développement des ateliers du réseau MRO Safran Aircraft Engines (France, Maroc, Belgique, Mexique). Au sein de ce secteur Engineering, vous êtes en charge d'imaginer et de développer les ateliers de demain via les nouvelles technologies (nouveaux produits, transformation digitale, automatisation, usine 4.0) pour l'ensemble des shops moteurs. Le sujet de la thèse porte sur l'usage et l'investigation des modèles large de langage (LLM) pour établir une plateforme logicielle chez Safran Aircraft Engines permettant un accès à des bibliothèques de données utilisées par les inspecteurs et opérateurs des divers shops pour la réparation et la maintenance de pièces de moteurs critiques. Phénomène d'hallucination des LLM : Les modèles génératifs comme GPT, Mistral ou Llama peuvent produire des réponses plausibles mais fausses, ce qui limite leur fiabilité, notamment pour des usages professionnels ou critiques. Manque de traçabilité et d'explicabilité : Les LLM peinent à expliciter comment une réponse a été obtenue et à fournir les sources utilisées, ce qui pose un problème vis-à-vis des exigences légales (ex : AI Act). Difficulté à mener un raisonnement complexe : Limitations des LLM dans la réalisation de raisonnements pas à pas ou dans le traitement de questions nécessitant plusieurs étapes logiques. Taux d'échec élevé des solutions hybrides existantes : Malgré des approches comme le fine-tuning, le RAG ou l'utilisation de plugins spécialisés, le taux d'échec demeure significatif pour beaucoup de questions. Limites dans la capacité à fusionner des données hétérogènes : Les essais pour traiter à la fois des données de types texte ou images sont peu concluants. Ce travail a pour objectif principal de mettre en place une solution d'exploitation temps réel de la documentation MRO et de donner un accès « user friendly » à l'opérateur dans sa recherche d'information, de schémas ou de toute indication utile dans son métier du quotidien. En outre, la thèse vise à garantir : Une interaction fluide et réactive avec un LLM performant. Un accès rapide aux informations textuelles et visuelles concernant les indications. Une utilisation dans un cadre soumis à la réglementation. La fiabilité des réponses. Le projet se déroulera sous la direction et la collaboration d'un partenaire académique en cours d'identification, expert dans les sujets LLM et leur application dans la gestion dynamique documentaire. Profil recherché De manière générale, le candidat est un(e) étudiant(e) motivé(e), rigoureux(se) et autonome, doté(e) de fortes aptitudes en programmation informatique ainsi qu'un fort intérêt pour le domaine aéronautique et de l'intelligence artificielle. Capable de collaborer avec plusieurs interlocuteurs. Titulaire d'un diplôme d'ingénieur, ou d'un M2 universitaire en Informatique/Mathématiques Appliquées/apprentissage automatique. Connaissances indispensables en programmation (Python), XML, SPARQL. Capacités de communication (à l'oral et à l'écrit), bon relationnel, goût pour le travail en équipe, goût pour la technique. #J-18808-Ljbffr