Les modèles éléments finis reposent sur des outils standardisés du commerce puissants, permettant de résoudre par calcul des problèmes mécaniques complexes. Safran est un équipementier aéronautique de premier plan mondial, il emploie massivement le calcul numérique pour développer notamment les moteurs et équipements d'avions.

Au sein du centre de recherche de Safran, l'équipe PRIME développe Plaid et Muscat qui convertissent les calculs éléments finis en jeux de données traitables par les algorithmes d'intelligence artificielle (scikit-learn, pytorch et autres) afin d'accélérer drastiquement les résolutions de problèmes.
Aujourd'hui, si les fonctions clés sont bien définies, le travail de préparation de la donnée change selon les cas d'application (format du code, type de calcul et données d'intérêt) ce qui perturbe l'appropriation de l'outil par des utilisateurs non experts.
La mission d'apprentissage vise à simplifier et automatiser ces étapes via des outils et des agents de code.

Missions :
Prendre en main les cas d'usage et les librairies sur des exemples standard
Identifier les points de friction actuels
Développer des améliorations : tutoriels, nouvelles fonctions, visualisation/interfaçage
Mettre en place des méthodes de constitution de jeux de données et plans d'expérience pour évaluer les solutions
Proposer une stratégie d'agents : assistance guidée et résolution autonome de cas standard
Selon le profil : ouverture vers l'IA générative appliquée aux pièces aéronautiques

Le/la candidat(e) dispose de solides bases en informatique et en mathématiques, afin de comprendre les méthodes développées et de contribuer au développement des solutions logicielles. Il/elle manifeste un intérêt pour les modèles de langage (LLM) et leurs applications, notamment les agents de code.