RECRUTEMENT

Proposition de stages 2026

1) Développement d’un jumeau numérique pour la gestion et l’optimisation de l’énergie électrique dans une application spécifique

Durée : 5 mois
Niveau : Master / École d’ingénieur
Lieu : Université Paris-Est Créteil (UPEC), Campus centre

Encadrement : Laboratoire CERTES

Contacts : “Mahamadou Abdou Tankari” mahamadou.abdou-tankari@u-pec.fr & “Mustapha Karkri” mustapha.karkri@u-pec.fr

      I.         Contexte

L’intégration croissante des énergies renouvelables, du stockage et de nouveaux usages (ex. recharge de véhicules électriques) complexifie l’exploitation des systèmes électriques : variabilité de production, contraintes de puissance, maîtrise des coûts et continuité de service.
Le projet consiste à développer un jumeau numérique permettant de représenter, simuler et optimiser la gestion de l’énergie d’un site.

    II.         Objectif du stage

Concevoir et mettre en œuvre un jumeau numérique connecté à des données (mesures ou jeux de données) afin d’évaluer et d’améliorer des stratégies de gestion de l’énergie : réduction des coûts, limitation des pointes de puissance, augmentation de l’autoconsommation et respect des contraintes d’exploitation.

  III.         Missions

• Cadrage : recueil des besoins, définition des cas d’usage, périmètre et indicateurs de performance.
• Modélisation : représentation des usages, de la production renouvelable (photovoltaïque/éolien), du stockage et des contraintes de puissance.
• Traitement des données : préparation des données, estimation d’états (état de charge, disponibilités), mise en place de prévisions (consommation/production).
• Gestion optimisée : développement et comparaison de stratégies de pilotage (planification, commande prédictive, règles améliorées).
• Validation : scénarios de simulation, analyse des résultats et recommandations.

  IV.         Livrables

• Note de cadrage (cas d’usage, hypothèses, indicateurs).
• Jumeau numérique opérationnel (code + modèles) + scénarios de simulation.
• Comparatif des stratégies de gestion (graphiques, indicateurs, conclusions).
• Démonstrateur (tableau de bord ou interface simple) + guide d’utilisation.
• Rapport final et présentation.

    V.         Profil recherché

• Formation : Master / ingénieur (formation en jumeau numérique (prioritaire), science des données appliquée, informatique industrielle, génie électrique, énergétique, automatique) ;
• Compétences : programmation (Python/Matlab/Julia…), modélisation/simulation, notions d’optimisation, traitement de données ;
• Qualités : rigueur, autonomie, capacité de synthèse, aisance à documenter.

2) Approches hybrides (apprentissage-physique) pour la segmentation et la décomposition de séries temporelles sur l’énergie et la qualité de l’air

Mots clés : apprentissage automatique, modèles physiques, données synthétiques, qualité de l’air intérieur, consommation d’énergie des bâtiments, comportements des occupants, R/Python

Pour candidater : envoyer un CV et une lettre de motivation à

ionescu@u-pec.fr, allou.same@univ-eiffel.fr

Ce stage s’inscrit dans une double problématique : la réduction de la consommation énergétique des bâtiments et l’amélioration de la qualité de l’air dans les espaces de vie. Dans ce contexte, il est essentiel d’approfondir la compréhension de la dynamique d’évolution des données relatives à la consommation d’énergie et à la qualité de l’air dans les environnements clos. Le stage vise à coupler des algorithmes d’apprentissage automatique à des modèles physiques afin d’analyser conjointement des données environnementales, énergétiques et thermiques, dans le but d’en extraire des indicateurs interprétables reflétant la dynamique comportementale des occupants de bâtiments. Une bonne compréhension du facteur comportemental est en effet cruciale pour développer des stratégies prédictives efficaces permettant, entre autres, d’optimiser la régulation de la température intérieure, la ventilation et de limiter l’exposition aux polluants.

L’analyse de données temporelles, notamment via la segmentation et la décomposition de mesures liées à la consommation d’énergie et aux concentrations de divers polluants de l’air, constitue le cœur de ce stage. En s’appuyant sur des méthodes d’apprentissage automatique, le travail consistera à analyser ces données multivariées tout en intégrant des connaissances sur la dynamique d’évolution des systèmes physiques et environnementaux sous-jacents. L’accent sera mis sur les points suivants, qui seront abordés en fonction de l’avancement du stage :

• Collecte de données : le candidat recruté aura pour mission initiale de collecter et de s’approprier les bases de données existantes relatives à la consommation d’énergie et la qualité de l’air intérieur. Il devra les harmoniser sous un format unifié et les contextualiser. Ces bases pourront inclure à la fois des données réelles et des données synthétiques générées à partir de modèles physiques simplifiés qui ont déjà été développés lors de précédents travaux menés par l’équipe encadrante.
• Etude bibliographique méthodologique : le candidat mènera dans un second temps une étude bibliographique sur l’extraction de comportements dynamiques par analyse conjointe de données relatives à la qualité de l’air et celles liées à la consommation d’énergie.
• Formalisation et développement d’algorithmes : il s’agira dans un troisième temps de développer des algorithmes d’apprentissage automatique en cohérence avec les connaissances physiques existantes, notamment pour la segmentation et la décomposition de séries temporelles. Ces algorithmes seront appliqués aux données issues de la première étape.

Les développements informatiques seront réalisés sous R/Python.

Environnement de travail : le stage se déroulera au sein des laboratoires CERTES (Université Paris-Est Créteil Val de Marne) et GRETTIA (Université Gustave Eiffel)

Profil du candidat : niveau M2 (informatique, statistique, science de données, mathématiques, physique), avec de bonnes bases en programmation

Durée du stage : 5 à 6 mois (démarrage en mars 2026)

Rémunération : environ 600 euros + prise en charge partielle des frais de transport