QUI SOMMES-NOUS ?

L’activité Systèmes terrestres et aériens conçoit des systèmes, des équipements, des capteurs et des services pour le contrôle du trafic aérien civil et militaire, la défense aérienne ainsi que le combat naval et terrestre.A 20mn du cluster Paris-Saclay, le site de Limours réunit plus de 900 collaborateurs travaillant de la conception des solutions à la recette avec les clients, en passant par la production, des radars de surface. Ce site a connu ces dernières années de grandes évolutions et continue à s’adapter aux besoins des clients en termes de surveillance du ciel et de zones sensibles.

QUI ETES VOUS ?

Vous suivez une formation en école d’ingénieur ou universitaire Bac +2 ?

Vous avez un intérêt pour l’ingénierie logiciel, le développement logiciel, le Machine Learning ?

Vous êtes à la recherche d’un contrat d’alternance de 24 à 36 mois ?

Vous avez des connaissances des langages C, PYTHON, ADA ?

Vous étes à l’aise sous Linux et avec les technologies Web (interrogation par APIs) et idéalement vous avez des connaissances de l’outil git ?

Vous faites preuve de rigueur, d’autonomie, de réactivité et d’ouverture d’esprit ?

Vous êtes curieux(se) et appréciez le travail en équipe et avez un intérêt pour les nouvelles technologies ?

CE QUE NOUS POUVONS ACCOMPLIR ENSEMBLE :

Au sein de l’équipe de développement et maintenance des logiciels de traitement numérique des radars civils (contrôle aérien, radars d’approche et « en route »), ce sujet d’apprentissage se situe dans le cadre de l’amélioration continue des logiciels opérationnels.

Les tests de non-régression et de qualification des logiciels embarqués dans les radars sont essentiels au maintien de la qualité de nos livraisons. Cependant, l’exécution fréquente d’une quantité de tests très importante a un coût (immobilisation de matériel de test, temps d’analyse des résultats). Pour diminuer les coûts de test, durant le processus quotidien de développement, nous sommes amenés à sélectionner manuellement un ensemble de tests de « non-régression » qui sera exécuté beaucoup plus souvent (plusieurs fois par jours, voire plusieurs fois par heure, pour chaque modification du logiciel).

Il existe de nombreuses techniques de sélection automatique de tests à repasser lors d’une modification logicielle. Nous souhaitons expérimenter avec une méthode basée sur des algorithmes de Machine Learning à partir des bases de tickets et des modifications logicielles (commits). Le but de ce sujet d’apprentissage est de prototyper un outil utilisant l’historique d’un projet radar (code source et tickets) pour indiquer avec une confiance élevée quels tests repasser lors de modifications logicielles. L’apprentissage se déroulera en plusieurs étapes, et il s’agira de construire l’outil au fur et à mesure, brique par brique.

Innovation, passion, ambition : rejoignez Thales et créez le monde de demain, dès aujourd’hui.