Stage de fin d'études – Ingénieur·e Data

À propos d'Emerit Science

Chez Emerit Science, nous mettons l'intelligence artificielle au service de la recherche scientifique, de l'industrie et des institutions académiques.

Notre mission : rendre la connaissance scientifique massive, fiable et exploitable, en concevant des assistants conversationnels spécialisés s'appuyant sur des millions de références issues de données ouvertes (publications, brevets, données omiques, protocoles expérimentaux…).

Nous développons des technologies IA souveraines, exécutées localement, orientées performance, sobriété et reproductibilité.

Rejoindre Emerit Science, c'est intégrer une aventure entrepreneuriale à fort potentiel, où chaque contribution a un impact direct sur des produits réellement utilisés, dans un environnement exigeant, collaboratif et bienveillant.

Contexte du stage

Dans le cadre de notre roadmap technologique, nous construisons une infrastructure IA complète capable de :

• traiter plusieurs centaines de téraoctets de données ouvertes,
• enrichir ces données via des traitements IA propriétaires,
• indexer et interroger des centaines de millions de vecteurs multimodaux (texte, images, données biologiques),
• exploiter des moteurs de recherche vectorielle et des modèles de langage (LLM) exécutés en local.

L'objectif : bâtir un socle IA souverain, scalable et économiquement maîtrisé, au cœur de nos produits.

Ce stage est au centre de cette architecture.

Missions principales

Tu interviendras sur l'ensemble de la chaîne Data & IA, de l'acquisition au déploiement :

Traitement et ingestion de données massives

• Conception et développement de pipelines d'acquisition de données scientifiques à grande échelle

(PubMed, PMC, brevets, GEO / GSE, protocoles expérimentaux, etc.).

• Nettoyage, structuration, contrôle qualité et visualisation de données hétérogènes (structurées / non structurées).
• Automatisation des traitements de vectorisation multimodale

(texte, images, métadonnées, protocoles).

IA appliquée & RAG

• Utilisation de LLM pour l'extraction d'informations, l'enrichissement sémantique et l'analyse de corpus.
• Contribution aux choix d'architectures RAG et aux paramétrages adaptés aux cas d'usage.
• Optimisation des pipelines pour maîtriser coûts, performance et qualité.

Agents et outils IA

• Conception d'architectures d'agents spécialisés métier.
• Développement et intégration d'outils via API.
• Mise en place de serveurs MCP spécifiques.
• Tests, industrialisation et déploiement en production.

Documentation & reproductibilité

• Documentation complète des travaux réalisés.
• Garantie de la traçabilité, de la reproductibilité et de la maintenabilité des pipelines.

Compétences recherchées

• Solide base en programmation Python et scripting (Shell/Bash).
• Intérêt marqué pour les systèmes Data, l'IA appliquée et les architectures distribuées.
• Connaissances ou curiosité pour :
• LLM, embeddings, RAG
• bases de données et moteurs de recherche
• cloud, GPU, HPC

Les plus :

• Expérience avec des données volumineuses ou scientifiques.
• Sensibilité aux enjeux de souveraineté, de performance et de sobriété numérique.
• Autonomie, rigueur et goût pour l'expérimentation.

Profil recherché

• Étudiant·e en école d'ingénieur ou master (informatique, data, IA, systèmes, cloud, bio-informatique).
• Stage de fin d'études (BAC+5).
• Forte appétence pour la technique, les architectures complexes et la montée en compétence rapide.
• Envie de s'investir dans un projet deep-tech avec possibilité d'embauche.

Ce que nous offrons

• Un projet concret à fort impact, utilisé en production.
• Un environnement technique de pointe :
• Linux, vLLM, OpenSearch
• GPU RTX / A100 / H100
• infrastructures HPC
• cloud souverain (AWS, OVH)
• Une grande liberté d'expérimentation, d'automatisation et de conception.
• Un accompagnement technique de haut niveau.
• La possibilité de concevoir et opérer ton propre cluster IA.

Stack technique

• Langages : Python, Shell/Bash, R, SQL
• Outils : Bitbucket, Jira, Confluence
• Data & IA : OpenSearch, MongoDB, Dataiku, Notebooks
• Infrastructure : AWS, OVH, High Performance Computing (HPC)

Type d'emploi : Stage

Durée du contrat : 6 mois

Rémunération : 660,00€ par mois

Avantages :

• Flextime
• Travail à domicile occasionnel

Lieu du poste : Télétravail hybride Caen)