Ingénieur IA / Machine Learning – IA industrielle & Embedded AI F/H (CDI)

TRISKELL Consulting est une ESN adaptée à sa génération, une start-up qui vous propose un modèle sociétal différent. Au travers d'une organisation spécifique, les consultants de TRISKELL Consulting ont la possibilité de découvrir, de participer à d'autres fonctions stratégiques de l entreprise ou tout simplement de partager une passion. Nos consultants sont les architectes et les ambassadeurs de TRISKELL Consulting. Nos objectifs : Développer une société, où chacun s'épanouit, s'exprime, est entendu, et participe directement au succès et au développement de l'entreprise, Fournir à nos consultants les moyens d'exprimer leurs talents, leur créativité et de répondre à leurs ambitions, Développer des pôles technologiques forts autour des IOTs, systèmes communicants, du développement applicatif et de la cyber-sécurité, en prenant en charge des projets à forte valeur ajoutée. Nos valeurs : Transparence, respect, simplicité. Si vous partagez notre vision, n'hésitez pas à postuler pour nous rejoindre. Dans le cadre du développement de nos activités avec l’un de nos clients, acteur majeur international de la gestion de l’énergie et de l’automatisation industrielle, nous recherchons un In génieur IA / Machine Learning pour rejoindre une équipe R Développer des algorithmes de détection d’anomalies, de diagnostic et de maintenance prédictive ; Travailler sur des séries temporelles, des signaux et/ou des données issues de systèmes de vision ; Concevoir, entraîner et comparer différentes architectures de Machine Learning et Deep Learning ; Développer des approches hybrides combinant modèles physiques et modèles issus des données ; Explorer et mettre en œuvre des Physics-Informed Neural Networks (PINNs) permettant d’intégrer directement des connaissances ou contraintes physiques dans l’apprentissage ; Travailler sur des réseaux neuronaux embarqués / Embedded Neural Networks , avec des contraintes de mémoire, de temps de calcul et de consommation ; Optimiser et compresser les modèles pour leur exécution sur des architectures Edge ou embarquées : quantification, réduction de modèles, optimisation des performances ; Participer à l’évaluation de nouvelles architectures de réseaux neuronaux adaptées aux données industrielles ; Mettre en place des protocoles d’expérimentation , de validation et de comparaison des modèles ; Assurer la traçabilité et la reproductibilité des expérimentations ; Contribuer à des sujets d ’IA agentique , notamment pour automatiser ou assister certaines tâches d’ingénierie, d’analyse, de génération ou de validation ; Participer aux échanges techniques avec les experts métier et les équipes de développement ; Documenter et présenter les résultats obtenus. L’objectif est de travailler sur des solutions qui pourront, très prochainement, être réellement intégrées dans les produits et outils industriels. Les thèmes à la pointe de l’innovation sont : La maintenance prédictive et diagnostic ; Physics-Informed AI ; Embedded AI / Edge AI ; Traitement du signal et vision industrielle ; IA agentique ; Nous recherchons un ingénieur IA avec un très bon niveau technique, capable de développer, tester et challenger des modèles, au-delà de la simple utilisation d’API ou de frameworks haut niveau. Le poste est ouvert à un nouveau diplômé, à condition d’avoir déjà acquis une réelle profondeur technique au travers de stages, d’une alternance, projets de recherche, ou premières expériences. Les compétences indispensables pour relever le challenge technique sont : Machine Learning / Deep Learning industriel ; IA embarquée / Edge AI ; Physics-Informed Neural Networks (PINNs) ; mathématiques appliquées, statistiques et optimisation applique à des systèmes de type mécatronique Architectures CNN, LSTM/GRU, Transformers ; Les points forts de la mission : Environnement de travail stimulant, au sein d’une entreprise dynamique Evoluer sur des projets d’innovation d’actualité Collaborer avec des équipes transverses 1 jour de TT/ semaine La Stack technique est : Développement : Python, C/C++, SQL, Bash Machine Learning / Deep Learning : PyTorch, TensorFlow, scikit-learn, XGBoost, LightGBM Architectures : CNN, RNN / LSTM / GRU, Transformers, réseaux de neurones compacts, éventuellement Spiking Neural Networks Scientific