Stage de Recherche en IA: «Architecture de déploiement next-gen

Stage De Recherche En IA
«Architecture de déploiement next-gen : Executorch, TVM Unity et Accélération Hybride" (H/F)

À propos de Valeo
Valeo est une entreprise technologique, partenaire de tous les constructeurs automobiles dans le monde. Acteur clé de la mobilité de demain, le Groupe s'articule autour de trois divisions stratégiques : Brain (Software & ADAS), Power (Électrification) et Light (Visibilité). Entreprise technologique, Valeo propose des systèmes et équipements innovants permettant la réduction des émissions de CO2 et le développement de la conduite intuitive. Le Groupe a réalisé en 2024 un chiffre d'affaires de 21,5 milliards d'euros et consacre plus de 9 % de son chiffre d'affaires première monte à la recherche et au développement (R&D). Valeo emploie près de collaborateurs dans 29 pays, répartis sur 175 sites de production et 66 centres de R&D.

Contexte de la mission
L'industrie automobile vit une transition majeure dans le déploiement de l'IA. Les méthodes historiques (conversion manuelle, scripts rigides) ne suffisent plus face à la complexité des modèles NOA (Transformers, Graphes dynamiques). L'avenir repose sur des stacks de compilation modulaires capables d'ingérer du PyTorch natif et de déléguer intelligemment les calculs aux accélérateurs hardware (NPU/DSP). Votre mission sera d'évaluer et d'implémenter ces nouveaux standards (
ExecuTorch, TVM Unity, ONNXRuntime
) pour créer un pont performant vers les SDK constructeurs (
QNN, TIDL, TensorRT
).

A Créteil, au sein de la division
Valeo Brain,
vous intégrerez l'équipe
ACE (AI Compression and Embedding)
sur le workstream
Embedded AI.
L'équipe du siège social à Créteil est composée d'ingénieurs experts en Deep Learning et Systèmes Embarqués. Ce stage est une opportunité de travailler sur des technologies encore en phase d'adoption précoce dans l'industrie (State-of-the-Art deployment).

Description De La Mission Et De L'équipe
Nous sommes une équipe de recherche appliquée dédiée à l'optimisation des réseaux de neurones sur cibles embarquées. Notre objectif est d'automatiser le passage du code de recherche ) au binaire exécutable sur puce, sans perte de performance.

Le but du stage est de comparer et valider les nouvelles approches de compilation "Graph-Level" pour remplacer nos workflows actuels. Vous explorerez comment
ExecuTorch
(Meta),
TVM Unity
(Apache) et
ONNXRuntime
(Microsoft) peuvent s'interfacer avec les "backends" propriétaires pour maximiser l'utilisation du hardware.

Après une montée en compétence sur les architectures logicielles de compilation, vos missions seront :

• Maîtrise du Frontend PyTorch 2.x : Utiliser et TorchDynamo pour capturer proprement les graphes de calcul de nos modèles (gestion des flux de contrôle, formes dynamiques).
• Intégration des Backends Constructeurs (Delegation) : Mettre en place le mécanisme de délégation (ExecuTorch Backends) ou de partitionnement BYOC (TVM Unity) pour offloader les sous-graphes intensifs vers QNN (Qualcomm), TIDL (TI) ou TensorRT.
• Comparatif Architectural : Évaluer quelle stack (ExecuTorch vs TVM Unity vs ONNXRuntime) offre le meilleur compromis entre flexibilité (support des nouveaux opérateurs) et performance pure (latence/mémoire) sur nos cibles embarquées.
• Quantification PTQ/QAT avancée : Analyser comment ces nouveaux frameworks gèrent la quantification (INT8) en lien avec le backend hardware cible pour garantir la précision fonctionnelle.

Votre profil

• Diplôme : Élève Ingénieur en 3ème année (Bac +5) ou Master 2 Recherche. Spécialisation : Informatique, Compilateurs, Systèmes Embarqués ou IA.
• Compétences techniques : Excellente maîtrise de Python et C++ (indispensable pour le debugging des backends). Compréhension de l'architecture d'un compilateur (IR, Frontend, Backend) et du fonctionnement des réseaux de neurones.
• Compétences transversales : Capacité d'abstraction, goût pour l'exploration technologique, rigueur.
• Frameworks & Outils : PyTorch, Connaissance des environnements ExecuTorch, TVM, ou des SDK QNN/TIDL/TensorRT.
• Environnement de développement : Pratique courante de Linux, Git et Docker.
• Niveau d'anglais : Courant (documentation technique et interaction avec les communautés open-source).

*Informations complémentaires*
Durée: 5-6 mois

Début: 1er semestre 2026

Lieu du stage : Valeo Mobility Tech Center (VMTC), 6 Rue Daniel Costantini, 94000 Créteil

Stage

Contact : BOULAY Thomas,