Nur gemeinsame erfolge sind wahre erfolge

Sixense Engineering, filiale du groupe VINCI Construction, regroupe près de 300 collaborateurs, experts et ingénieurs spécialisés dans l’ingénierie de l’existant, la maîtrise des risques et des impacts environnementaux.

👉Nous recherchons pour notre pôle bâtiment et infrastructure, un(e) Stagiaire Ingénieur(e) en Génie Civil H/F basé à Nanterre (92).

Vous aurez pour sujet de TFE : Offre de stage – Data science et surveillance des ouvrages d’art (ponts).

Contexte

La surveillance des ponts et, plus largement, des ouvrages d’art devient un enjeu majeur face au vieillissement des infrastructures et aux exigences accrues de sécurité.

Les possibilités de collecte de données physiques issues d’instrumentations en temps réel (capteurs de déplacements, accélérations, déformations, etc.) se multiplient, générant de très grands volumes de données.

Parallèlement, les technologies de data science et de machine learning offrent des perspectives prometteuses pour interpréter finement ces données et détecter précocement l’apparition d’endommagements ou de signes de vieillissement structurel.

Toutefois, l’efficacité de ces approches dépend fortement :

• de la qualité des données d’apprentissage (niveau de bruit, sensibilité aux anomalies recherchées),
• de la présentation et de la structuration des données (data engineering),
• et du choix pertinent des algorithmes.

Dans le cadre du développement d’un outil de détection automatique de l’endommagement structurel appuyé sur l'analyse des lignes d'influence (enregistrements de la déformation lors du passage d'un véhicule), nous avons collecté un important jeu de données physiques issues d’instrumentation réelle et recherchons un(e) stagiaire pour en exploiter pleinement le potentiel.

Objectifs du stage : Contribuer à la mise en place d’une chaîne complète de traitement et d’analyse des données, depuis leur préparation jusqu’à l’extraction d’indicateurs sensibles à l’état de santé de l’ouvrage.

Missions principales :

• Extraire la réponse de l’ouvrage sous sollicitations significatives à partir de données brutes issues de capteurs.

• Identifier, trier et catégoriser les données exploitables et non exploitables (qualité, bruit, défauts d’acquisition).

• Définir et calculer des grandeurs d’intérêt sensibles à l’endommagement structurel, par analyse croisée de plusieurs types de mesures physiques.

• Mettre en œuvre une démarche de data engineering pour structurer, nettoyer et valoriser les données.

• Réaliser des études de sensibilité, notamment à l’aide de modèles numériques (modélisation par éléments finis).

• Explorer et développer des approches de machine learning, en particulier pour l’analyse de séries temporelles, en vue de la détection d’anomalies ou d’évolutions anormales du comportement de l’ouvrage.

VOS ATOUTS POUR REUSSIR :

• Élève ingénieur(e) ou étudiant(e) en master (génie civil, mécanique, data science, mathématiques appliquées, ou domaine proche).

• Intérêt marqué pour les ouvrages d’art, la surveillance structurale et l’analyse de données réelles.

• Goût pour les approches mêlant physique, modélisation et data science.

Compétences requises :

• Maîtrise indispensable de Python, notamment : NumPy, Pandas
• Expérience en machine learning, avec des bibliothèques telles que : scikit-learn, PyTorch (ou équivalent)
• Une expérience ou un intérêt pour le traitement de séries temporelles est un atout important.
• Des connaissances en modélisation numérique / éléments finis seraient appréciées.
• Autonomie, rigueur scientifique et capacité d’analyse.