Stage - Data Scientist Spécialisé en Apprentissage Par Renforcement (Rl) (F/H)/n

**Description de l'entreprise** OCTO**

Premier cabinet d’architectes IT fondé en 1998, pionnier du delivery agile et véritable concentrateur de talents. Nous incarnons les nouvelles façons de faire du conseil et du Delivery. Digital Doers & Thinkers est notre marque de fabrique.

Nous privilégions aujourd'hui notre positionnement Agile & DeepTech et sommes engagés quant à notre responsabilité sociale et environnementale.
**Description du poste** Le sujet du stage**: Optimisation et industrialisation des agents (LLMs) en entreprise

Comment améliorer l'efficacité et la performance des LLMs en utilisant l'apprentissage par renforcement (RL) ? En s'inspirant d'innovations récentes comme celles de Kimi K2, nous explorerons différentes stratégies d'optimisation pour créer des solutions industrialisables et adaptables.

**Le Why du stage**:
Le marché optimise les workflows d'agents, mais les vrais gains viennent de l'optimisation directe via RL. Récemment : des modèles 1.5B surpassent o1-preview avec $42 de coût d'entraînement, un modèle 7B bat un modèle de 671B sur des tâches spécialisées (Sakana AI, 2025).

Nous recherchons un profil motivé pour apprendre à industrialiser ces techniques en quantifiant leur robustesse multi-domaines.

**Les missions du stage**:

- Recherche et approfondissement de la littérature
- Développer et valider expérimentalement de nouveaux algorithmes d'optimisation pour agents LLMs.
- Entrainer des modèles pour des métiers spécialisés.
- Écriture d’un article sur la méthodologie développée durant le stage.

**Le déroulement du stage**:
**Étape 1 : Découverte et cadrage**
- Faire de la veille bibliographique.
- Choisir les algorithmes à explorer.
- Définir la roadmap avec les objectifs à réaliser.

**Étape 2 : Exploration**
- Exploration des possibilités existantes de package proposant d'implémenter ce genre de solution.

**Étape 3 : Contribution**
- Contribution à l’outil OpenSource répondant aux besoins.

**Étape 4 : Partage**
- Partage aux autres Octos pendant et à la fin du stage, rédaction d’un article.

Livrable : Stack technique : Python, Git
**Qualifications** OCTO Wanted**
- Vous préparez un BAC+5 et vous êtes à la recherche d'un stage de fin d'études.
- Vous avez une appétence pour les sujets de Data Science et pour l’exploration de l’état de l’art.
- Vous savez expliquer comme marche un modèle complexe et êtes intéressé par le Reinforcement Learning.
- Vous souhaitez approfondir vos compétences en participant à des sujets open-source.
- Vous êtes curieux, ambitieux et autonome.

**Informations supplémentaires** OCTO Rewards**

**Et parce que nous savons qu’un stage n’est pas “juste” un stage, on vous partage aussi quelques petits + qui font notre différence**:

- 6 participations, 6 podiums au palmarès « Great Place To Work », **le bien-être** et la progression des Octos est vraiment au cœur de nos préoccupations et nous venons de renouveler notre certification pour la 7e fois cette année
- “There is always a better way” : nous encourageons et soutenons **l’innovation par la R&D.** Au-delà d’une direction Scientifique dédiée, nous valorisons le temps hors mission pour partager ses connaissances : blog OCTO, talks, meet-up, livre blanc, BBLen bref de l’open source alimenté par tous les Octos ;
- Parce que ce ne sont pas que des mots, nous marquons au quotidien notre engagement en matière de numérique responsable : depuis 2021 OCTO est Certifié BCorp. Nous **formons les Octos** et nos clients à la **fresque du climat** et œuvrons pour **la sobriété numérique** en interne et auprès de nos clients ;
- Le management est un point central de notre culture. Les Octos tuteurs sont **formés** pour vous **accompagner** dans le **développement de vos compétences**;
- ** Parce qu’on n’a jamais fini d’apprendre**, vous pourrez tirer parti de nos formations, apprendre avec des OCTOs plus expérimentés, et faire parti d'un collectif de passionnés
- Signataire, en 2023, de la charte de la diversité et de l'accord Handicap, et depuis 2022, de la Charte de l’Autre Cercle concernant l’inclusion des personnes LGBTQI+ en entreprise.

**Sans oublier les fondamentaux**:

- Matériel au choix : ordinateur (PC ou Mac) ;
- Télétravail ;
- Et bien sûr : carte Swile, absences autorisées payées, CSE

**OCTO priority**

Collaborer avec des personnes talentueuses issues de différents horizons. Aussi, ce que nous cherchons avant tout, ce sont des personnalités qui enrichiront OCTO.