DATA ENGINEERING

CONTEXTE: Orano Projets est un acteur majeur de l’ingénierie nucléaire, énergie décarbonée, en France et à l’international. Dans un contexte d’optimisation continue de nos processus de planification et de pilotage de projets industriels complexes, nous souhaitons renforcer notre démarche d’exploitation intelligente des données. Dans cette perspective, nous proposons un stage de Data Engineering ayant pour objectif de concevoir et prototyper un outil, destiné à améliorer la qualité de réalisation et d’optimisation de nos plannings projets. Ce stage sera réalisé en coordination avec les équipes : DataScience et Planification des projets MISSIONS DU STAGE : Le stage se déroulera en grandes phases permettant une immersion progressive et une appropriation de la problématique. 1) Appropriation du Contexte · Découverte du métier de la planification au sein de projets industriels complexes dans le secteur nucléaire. · Immersion terrain à Bagnols-sur-Cèze (initiation au métier et compréhension des processus) 2) Phase Stratégique – Analyse & Structuration À partir des données métiers fournis : - Définition des données à capitaliser. - Recensement des données et cartographie. - Identification des cas d’usage d’un futur modèle prédictif supervisé. Élaboration d’une stratégie de collecte : - Données internes, pour la consolidation des plannings à terminaison. - Données externes, incluant l’identification (domaines, URLs cibles...) et la définition des critères de contextualisation. - Conception d’une approche de data couplée à un LLM performant (agents IA, automatisation, modules low/no-code…). - Analyse des risques (sources et qualités des données externes, gestion de la confidentialité des données internes…) 3) Phase Technique – Conception de l’Outil de Collecte Définition et structuration de la base de données de sortie, future base d’entraînement du modèle IA. Développement du prototype d’outil de collecte de données (web scraping, API, extraction automatisée…). 4) Phase Déploiement – Collecte & Préparation des Données · Collecte de données internes (“REX”) selon la stratégie définie. · Utilisation de l’outil conçu pour la collecte externe. · Nettoyage, consolidation et préparation des données 5) Phase Modélisation – IA & Prédiction (suivant avancement) · Sélection du type de modèle le plus adapté aux objectifs. · Entraînement d’un modèle prédictif de durées de phases projet. · Mise à disposition du métier : De l’outil de recherche et collecte, Des bases de données internes et externes consolidées, Du modèle prédictif final. Des déplacements réguliers sont à prévoir entre Bagnols-sur-Cèze et Saint-Quentin-en-Yvelines. CONTEXTE: Orano Projets est un acteur majeur de l’ingénierie nucléaire, énergie décarbonée, en France et à l’international. Dans un contexte d’optimisation continue de nos processus de planification et de pilotage de projets industriels complexes, nous souhaitons renforcer notre démarche d’exploitation intelligente des données. Dans cette perspective, nous proposons un stage de Data Engineering ayant pour objectif de concevoir et prototyper un outil, destiné à améliorer la qualité de réalisation et d’optimisation de nos plannings projets. Ce stage sera réalisé en coordination avec les équipes : DataScience et Planification des projets MISSIONS DU STAGE : Le stage se déroulera en grandes phases permettant une immersion progressive et une appropriation de la problématique. 1) Appropriation du Contexte · Découverte du métier de la planification au sein de projets industriels complexes dans le secteur nucléaire. · Immersion terrain à Bagnols-sur-Cèze (initiation au métier et compréhension des processus) 2) Phase Stratégique – Analyse & Structuration À partir des données métiers fournis : - Définition des données à capitaliser. - Recensement des données et cartographie. - Identification des cas d’usage d’un futur modèle prédictif supervisé. Élaboration d’une stratégie de collecte : - Données internes, pour la consolidation des plannings à terminaison. - Données externes, incluant l’identification (domaines, URLs cibles...) et la définition des critères de contextualisation. - Conception d’une approche de data couplée à un LLM performant (agents IA, automatisation, modules low/no-code…). - Analyse des risques (sources et qualités des données externes, gestion de la confidentialité des données internes…) 3) Phase Technique – Conception de l’Outil de Collecte Définition et structuration de la base de données de sortie, future base d’entraînement du modèle IA. Développement du prototype d’outil de collecte de données (web scraping, API, extraction automatisée…). 4) Phase Déploiement – Collecte & Préparation des Données · Collecte de données internes (“REX”) selon la stratégie définie. · Utilisation de l’outil conçu pour la collecte externe. · Nettoyage, consolidation et préparation des données 5) Phase Modélisation – IA & Prédiction (suivant avancement) · Sélection du type de modèle le plus adapté aux objectifs. · Entraînement d’un modèle prédictif de durées de phases projet. · Mise à disposition du métier : De l’outil de recherche et collecte, Des bases de données internes et externes consolidées, Du modèle prédictif final.