STAGE Ingénieur Développement de pipeline IA de startups (F/H)

Poste ouvert aux personnes en situation de handicap.Dassault Systèmes, entreprise scientifique de 25 000 collaborateurs, accompagne 370 000 clients dans 184 pays dans des secteurs clés : industrie, infrastructures, villes, santé. Nous collaborons avec des partenaires stratégiques (FDA, Harvard, MIT, INRIA, INSERM), des Prix Nobel et des acteurs majeurs pour repousser les limites de la technologie. La veille sur les startups est un enjeu stratégique pour identifier des opportunités de partenariats, d'acquisitions ou d'innovation. Les bases de données existantes (ex. OpenCorporates) sont incomplètes ou obsolètes, tandis que le web (sites, communiqués, réseaux sociaux, brevets) regorge de données inexploitées. L'objectif du stage : Concevoir et prototyper un pipeline intelligent pour : Extraire et enrichir les données startups (identité, technologies, levées de fonds, brevets, etc.). Structurer ces données dans un schéma exploitable. Évaluer leur pertinence via des méthodes de scoring (adéquation avec nos activités, potentiel, maturité). Pourquoi ce stage ? Impact direct : Contribuer à la stratégie d'innovation de Dassault Systèmes. Technologies de pointe : IA, LLM, traitement de données massives. Environnement stimulant : Collaboration avec des experts et accès à des ressources uniques. Vos missions Plus concrètement, vos activités se concentreront sur : 1. Modélisation des données : Définir les informations à extraire (activité, technologies, équipe, levées de fonds, brevets, etc.). Analyser les lacunes des bases existantes. 2️. Exploitation des bases de données : Comparer les sources disponibles (couverture, fraîcheur, API). Automatiser l'ingestion et la normalisation des données. 3️. Enrichissement automatisé par IA : Développer un pipeline de collecte et d'extraction d'informations via des LLM (sites web, réseaux professionnels, publications). Intégrer ces données dans le schéma défini (entity matching / déduplication entre sources). Définir une représentation vectorielle de ces indicateurs en utilisant un modèle d'embedding (à choisir après un benchmark). 4️. Scoring et qualification : Proposer des méthodes pour classer et prioriser les startups en fonction de leur adéquation avec nos enjeux. Développer un pipeline de clustering pour définir des catégories de startups par domaine. 5. Démonstrateur : Développer une interface ou tableau de bord permettant d'explorer les startups d'un domaine donné, leurs fiches enrichies et leur score.Votre Profil Vous êtes actuellement en Master 2 / Bac+5 (école d'ingénieur ou université) avec une spécialisation en Data Science & Machine Learning. Curieux(se), rigoureux(se), vous avez un sens aigu de la synthèse et de la structuration des données scientifiques, avec un intérêt marqué pour leur valorisation. Compétences techniques obligatoires : * Python (maîtrise impérative) + écosystème data : pandas, scikit-learn * NLP : embeddings, similarité sémantique, tokenisation * LLM (BERT, Qwen, etc.) : prompting, sorties structurées * Apprentissage non supervisé : clustering, réduction de dimension (UMAP, t-SNE) * Anglais courant (écrit & oral) + excellentes qualités rédactionnelles (FR/EN) pour la formalisation méthodologique Vous êtes fait(e) pour ce stage si vous alliez rigueur technique et envie d'innover dans la valorisation des données. Nous rejoindre c'est aussi Intégrer une entreprise scientifique au cœur de l'innovation technologique, portée par une forte croissance depuis plus de 40 ans. Un environnement collaboratif et innovant Une collaboration internationale Une diversité de technologies, produits et solutions Un engagement fort en faveur de la diversité et de l'inclusion