Stage - Data Scientist - Agentic ai & Deep Learning Projet Rafa H/F - CMA CGM

Dirigé par Rodolphe Saadé, le Groupe CMA CGM, un leader mondial du transport maritime et de la logistique, dessert plus de 420 ports dans le monde sur 5 continents. Avec sa filiale CEVA Logistics, et sa division de fret aérien CMA CGM AIR CARGO, le Groupe CMA CGM innove constamment pour proposer à ses clients une offre complète et toujours plus performante grâce à de nouvelles solutions maritimes, terrestres, aériennes et logistiques.

Engagé dans la transition énergétique du transport maritime et pionnier dans l'utilisation de carburants alternatifs, le Groupe CMA CGM s'est fixé un objectif de Net Zéro Carbone d'ici 2050.
À travers la Fondation CMA CGM, le Groupe agit également face à des crises humanitaires nécessitant une réponse d'urgence en mobilisant l'expertise maritime et logistique du Groupe pour acheminer partout dans le monde du matériel humanitaire.

Présent dans 160 pays via son réseau de plus de 400 bureaux et 750 entrepôts, le Groupe emploie 155 000 personnes dans le monde, dont 4 000 à Marseille où est situé son siège social.

VOTRE RÔLE

Dans le cadre de votre formation, vous êtes actuellement à la recherche d'un stage d'une durée de 4 à 6 mois en vue de valider votre diplôme (Master 2, école d'ingénieur ou équivalent).

Vous rejoindrez une équipe Data Science engagée dans un projet de recherche appliquée : RAFA, un agent d'intelligence artificielle capable d'automatiser une partie du cycle expérimental du data scientist. RAFA conçoit, code, exécute, répare et analyse des expériences de machine learning, en particulier sur des cas de forecasting temporel multi-horizons appliqués aux lignes maritimes.

Votre rôle sera de faire de RAFA un outil plus fiable, plus robuste et plus utile : amélioration de la logique expérimentale de l'agent, validation des résultats, prévention des fuites de données et intégration de modèles avancés en Agentic AI et en Deep Learning.

QU'ALLEZ-VOUS FAIRE ?

• Logique d'expérimentation : Vous améliorerez la sélection et la structuration des familles de modèles, la logique de l'arbre d'expériences (parent/enfant) et l'exploitation des résultats précédents, afin que RAFA apprenne progressivement quelles expériences sont pertinentes et dispose de stratégies de repli vers une baseline robuste.
• Forecasting & backtesting : Vous travaillerez sur le forecasting multi-horizons (jeux supervisés temporels, lags, variables retardées, métriques par horizon) et sur des backtests rigoureux, avec un objectif clé : battre une baseline forte via des modèles résiduels, du gating baseline/modèle ou une correction prudente de la baseline.
• Agentic AI & orchestration multi-agents : Vous contribuerez à l'orchestration des agents spécialisés de RAFA (analyste, planificateur, codeur, réparateur, reviewer, validateur, rapporteur) : prompts robustes, mémoire d'expériences, validation automatique, guardrails anti-fuite et graphe d'exécution fiable.
• Deep Learning appliqué : Vous intégrerez et évaluerez des modèles neuronaux (MLP avec embeddings, TCN, RNN/LSTM/GRU, Transformers temporels, modèles hybrides baseline + correction) afin d'identifier les cas où le deep learning apporte un gain réel face aux modèles classiques.
• Génération & réparation de code : Vous fiabiliserez la transformation d'un plan d'expérience en code Python exécutable : amélioration des prompts du codeur, tests statiques, détection des fuites temporelles, analyse des causes d'échec et réduction des boucles de réparation inutiles.
• Reporting & documentation : Vous produirez des rapports HTML, des visualisations de l'arbre d'expériences, une documentation technique de l'agent et des synthèses à destination des data scientists et du management.

QUI RECHERCHONS-NOUS ?

• Formation : Vous êtes étudiant(e) en Master 2, école d'ingénieur ou équivalent, avec une spécialisation en data science, machine learning, intelligence artificielle, statistiques ou séries temporelles.
• Compétences techniques : Vous maîtrisez Python (pandas, NumPy, scikit-learn), Jupyter et Git. Vous avez de solides bases en machine learning supervisé, forecasting, backtesting temporel et métriques de régression (WAPE, MAPE, MAE, RMSE), ainsi qu'une vraie sensibilité aux fuites de données.
• Agentic AI : Vous avez une première expérience des agents LLM et des frameworks d'orchestration (LangGraph, LangChain ou équivalents), du prompt engineering et de la génération automatique de code.
• Deep Learning : Vous êtes à l'aise avec PyTorch et les architectures de séries temporelles (MLP, TCN, RNN/LSTM/GRU, Transformers), ainsi qu'avec les techniques d'entraînement (régularisation, early stopping, optimisation de loss).
• Atouts : Dataiku, FastAPI, Docker, MLflow, API OpenAI ou équivalent, NetworkX/Graphviz, observabilité LLM.
• Langues : Anglais professionnel requis.
• Qualités personnelles : Vous êtes curieux(se), rigoureux(se) et autonome, avec un intérêt marqué pour les agents IA et les sujets exploratoires. Vous savez analyser des résultats expérimentaux et documenter clairement votre travail.

ENVIRONNEMENT DU POSTE

• Lieu de travail : MARSEILLE
• Durée du stage : 6 mois à partir de Janvier

Lancez-vous dans l'aventure CMA CGM !

• Docker
• Python
• Anglais
• Reporting
• Intelligence artificielle
• Rigueur et méthode
• Machine learning
• Git
• Analyse des causes