Objectifs du stage
1/ Mesurer et modéliser l’impact du taux de décroché (QS) sur la satisfaction client
(SAT) et le CNPS ; identifier les leviers d’amélioration.
2/ Modéliser et analyser les sondages clients via une architecture existante combinant
LLM et Deep Learning, afin d’expliquer les variations de satisfaction et d’identifier les
axes opérationnels d’optimisation.
Missions confiées
1. Analyse QS / SAT / CNPS
- Cadrage, compréhension et documentation des indicateurs QS, SAT et CNPS.
- Analyses exploratoires, identification des corrélations et modélisation statistique
(régressions, modèles explicatifs…).
- Construction d’un modèle permettant d’estimer l’impact du QS sur les KPI de
satisfaction.
- Restitution claire des résultats, recommandations opérationnelles et identification des
leviers d’amélioration

2. Modélisation des sondages via LLM + Deep Learning
- Prise en main, compréhension et challenge de l’architecture existante (LLM + Deep
Learning).
- Réalisation d’études ad hoc pour expliquer les motifs de hausse ou de baisse de la
satisfaction.
- Modélisation et analyse de nouveaux sondages selon la grille métier, afin d’identifier
les leviers d’action pour améliorer l’efficacité opérationnelle.
- Participation à l’évolution de la stack IA/LLM pour améliorer la qualité des analyses

Vous préparez un Bac +5 en Data Science / Data Analyse / Statistiques / Machine
Learning / LLM et recherchez un stage de 6 mois à temps plein à partir de
mars 2026.
(Pour information, nous ne proposons pas de stage alterné.)
. Compétences techniques : GCP, Dataiku, Python, Power BI
. Rigueur analytique, curiosité, esprit de synthèse et goût pour la donnée
Le plus de l’offre/perspectives
. Evoluer dans un environnement métier porteur et à fort enjeu (CA, Satisfaction Client,
Efficacité Opérationnelle) pour le groupe Orange
. Travailler avec un environnement data évolué, performant et reconnu en terme de
standard (Google Cloud Platform, Dataïku, … PowerBI, … )
. Etre acteur de la transformation des modes de fonctionnement par la data
. Intégrer une équipe dynamique et performante