Centre d’Expertise International en Agri-énergie de TotalEnergies, OMBREA développe des solutions en agri-énergies innovantes permettant d’accompagner les territoires et le monde agricole face aux nombreux enjeux (climatiques, de résilience alimentaire et énergétique) auxquels ils font face. Pensées pour assurer la synergie optimale entre production d’énergie renouvelable et protection des cultures, nos solutions permettent la protection des rendements agricoles et accompagnent les agriculteurs dans la pérennisation de leurs exploitations.

Au sein de la branche des énergies renouvelables, Ombrea porte l’expertise agronomique et est le garant du sérieux scientifique de chaque projet porté par TotalEnergies Renouvelables, afin que tout nouveau projet ait du sens et un impact positif pour les agriculteurs et les territoires.

 Tu intègreras notre pôle Data Lab, composé de 3 data scientists, ayant pour mission de développer des outils pour optimiser la synergie entre un système photovoltaïque et un système agronomique.

En tant qu’alternant.e agronomie & munérique, tu seras impliqué.e dans plusieurs aspects clés de la modélisation des cultures en Agrivoltaïsme, notamment :

• Suivi de la collecte et de la remontée de données des capteurs agro-climatiques (et des suivis agronomiques) des sites démonstrateurs ;

• Analyse des données et modélisation des processus biologiques : en te basant sur la bibliographie et les modèles développés par Ombrea, tu auras pour mission d’analyser les données agronomiques collectées afin de comprendre les processus biologiques en jeu sur différentes cultures et sur l’élevage. Tu utiliseras des techniques de Data Science pour extraire des informations pertinentes des ensembles de données et contribueras à la modélisation de ces processus pour optimiser les rendements agricoles ;

• Validation des modèles : via des données terrain, tu participeras à l’évaluation et à la validation des modèles développés par Ombrea ;

• Amélioration des modèles de croissance végétale sous panneaux solaires : tu participeras à l’amélioration des modèles de croissance végétale adaptés aux conditions particulières des cultures sous panneaux solaires. Cela implique la prise en compte des variations environnementales et l’intégration de données spécifiques aux cultures agri-PV pour affiner les prévisions de croissance ;

• A l’aide de tes connaissances et en effectuant une veille, tu participeras à la réflexion sur des nouveaux sujets de modélisation.

• Issu.e d’une formation en agronomie ou sciences du végétal, tu disposes d’une compréhension approfondie des principes biologiques et agronomiques en jeu sur les parcelles agrivoltaïques ;

• Tu disposes de bases solides en programmation et analyse de données ;

• Tu maîtrises le langage de programmation Python ;

• Proactif.ve, ouvert.e d’esprit et autonome sont des qualités qui te définissent ?

• Passionné.e par les énergies renouvelables et l’application de la technologie à l’agriculture, tu es motivé.e pour contribuer à l’avancement des solutions durables dans le domaine de l’agriculture de précision ?

• Tu souhaites t’investir dans une nouvelle aventure et mettre tes compétences au service de l’agrivoltaïsme de demain ?

Alors, ce poste est fait pour toi !

Chez Ombrea, le recrutement est avant tout un process transparent, fondé sur l’échange et une envie commune de travailler ensemble.

 Afin de faire plus ample connaissance, plusieurs actions sont mises en place :

• Une fois votre candidature* sélectionnée, un.e membre de l’équipe RH vous contactera par téléphone pour un premier échange d’environ 15 min ;

• Un.e membre de l’équipe vous contactera également pour aborder l’aspect technique du poste ;

• Vous serez enfin amené.e à rencontrer (dans nos locaux ou bien à distance) : votre futur.e manager ;

• Selon votre profil, vous pourrez également être invité.e à effectuer un test technique et/ou de personnalité ;

 \Dans le cadre de notre démarche inclusive, nous étudions, à compétences égales, toutes candidatures et valorisons celles de personnes en situation de handicap.*