Safran Electronics & Defense développe des systèmes optroniques tels que la jumelle JIM-Compact, la boule gyrostabilisé EUROFLIR 410, le viseur terrestre PASEO. Safran est spécialisé dans le développement et l'intégration d'algorithmes avancés pour ces systèmes embarqués.

L'essor des réseaux de neurones profonds et du deep learning a permis des avancées significatives dans de nombreux domaines, notamment en vision par ordinateur et en traitement de signal. Toutefois, le déploiement de ces modèles sur des plateformes embarquées hétérogènes (GPU, NPU, FPGA) reste un défi majeur, en raison des contraintes de consommation, de latence et de ressources matérielles limitées.

Vous intégrerez l'unité d'ingénierie Modules Optroniques. Cette équipe conçoit les modules de traitement d'image embarqué, qui sont au cœur des chaines vidéo, des futurs systèmes optroniques de Safran Electronics & Defense.

L'objectif du stage est de concevoir un premier pipeline de déploiement multi-plateforme, allant de l'export des modèles entraînés (PyTorch → ONNX), à leur optimisation (quantization, pruning) et à leur implémentation sur différentes cibles matérielles. Le/la stagiaire contribuera à prototyper, comparer et documenter ces différents concepts.

Missions du stage :
• État de l'art : étude des frameworks et runtimes de déploiement IA (ONNX Runtime, TensorRT, TFLite, Vitis AI, OpenVINO).
• Pipeline de conversion : entraînement en PyTorch → export ONNX → optimisation (quantization, pruning, distillation).
• Prototypage multi-plateforme : déploiement d'un même modèle sur GPU embarqué (Jetson), NPU (Google Coral/Qualcomm), FPGA (Xilinx/Intel).
• Benchmarking : comparaison des plateformes (latence, consommation, précision).
• Industrialisation : mise en place d'une première chaîne CI/CD (entraînement → export → cross-compilation → tests automatiques).
• Documentation & recommandations : livrables techniques, rapport comparatif, axes d'amélioration pour l'entreprise

Ce stage de fin d'études constitue une opportunité unique de participer au lancement d'une activité stratégique, au carrefour entre IA, systèmes embarqués et MLOps.

Étudiant(e) en fin de cycle école d'ingénieur (informatique, électronique, IA, systèmes embarqués).

Compétences techniques attendues :
• ML/DL : PyTorch ou TensorFlow.
• Connaissance du format ONNX.
• Programmation : Python et C++.
• Notions en systèmes embarqués (Linux ARM, cross-compilation).
• Connaissance FPGA (bonus apprécié).

Qualités humaines :
• Autonomie, rigueur et curiosité.
• Capacité à travailler en interface avec plusieurs métiers (traitement d'image, data science, FPGA, électronique, embarqué).
• Goût pour l'expérimentation et la veille technologique.