NAOMIS est une société à taille humaine spécialisée dans le numérique pour les métiers de l'aménagement du territoire et de la gestion de l'environnement, reconnue pour sa forte expertise sur la donnée, dont les données géographiques, et pour son innovation. Notre objectif est d'accompagner nos clients vers un numérique utile et sobre, pour répondre aux enjeux de transformation, de gestion, de pilotage et de cohésion des territoires en France et à l'International.
Nous travaillons sur l'organisation, la mise en place et l'utilisation de solutions numériques performantes pour répondre aux enjeux métiers et aux besoins des utilisateurs. Filiale numérique du groupe KERAN, nous réalisons également des prestations avec et pour le groupe, ses sociétés, notamment SCE, S3D, CREOCEAN et GROUPE HUIT.
Sce réunit plus de 550 passionné(e)s qui oeuvrent chaque jour, partout en France, pour intégrer les dimensions environnementales et sociétales dans les projets d'aménagement.
Intégrée au groupe indépendant Keran, Sce accompagne les acteurs publics et privés dans leurs projets de protection de l'environnement et d'aménagement du territoire en faisant dialoguer ses trois grands métiers : les expertises environnementales, l'urbanisme et le paysage et l'ingénierie des infrastructures.
Cadre :
Vous travaillez dans les locaux du groupe KERAN à Nantes (bâtiment moderne sur l'île de Nantes, accès direct busway, proche gare et centre-ville, parking vélo, bonne cantine !) pour une durée de 6 mois à partir de février / mars 2025.
Ce stage sera encadré par 2 filiales du groupe Keran, à savoir : Naomis, spécialisé en expertise numérique et le domaine Agriculture et Environnement de SCE, spécialisé dans la réhabilitation environnementale des zones rurales.
Vous serez accompagné(e) par Vincent CHALMEL (Naomis, Directeur de projets IA), Cristina Bicalho-Bizet (SCE, experte hydrogéologue), François-Xavier MOINET (SCE, Directeur de projets hydrogéologue) et Christophe BUYS (SCE, expert Agriculture et Environnement). Les eaux souterraines représentent une ressource cruciale pour l'approvisionnement en eau potable, l'irrigation, les processus industriels et la préservation des écosystèmes. Cependant, la contamination par des produits phytosanitaires peut rendre cette ressource inutilisable pour de nombreuses applications. Il est donc essentiel de mieux comprendre les modes de transferts de contamination des eaux souterraines, afin de permettre la prise de décisions éclairées sur leur gestion et leur utilisation.
Pour soutenir des évaluations globales de la disponibilité et de la qualité des ressources en eau à l'échelle régionale et nationale, il est impératif de développer des modèles prédictifs fiables. Toutefois, La complexité des systèmes hydrologiques peut mettre à mal les modèles basés sur des processus continus. À l'inverse, de premiers résultats prometteurs ont démontré le potentiel des méthodes de Machine Learning, basées sur l'analyse de données massives, pour modéliser la qualité et la quantité des eaux souterraines.
Les techniques d'apprentissage statistique, qui cherchent à identifier des fonctions prédictives à partir des données, suscitent un intérêt croissant et offrent une opportunité considérable pour le développement des géosciences et des sciences de l'eau (Reichstein et al., 2019; Shen, 2018).
Missions / Objet du stage :
En utilisant l'intelligence artificielle prédictive et notamment les algorithmes de Machine Learning, ce stage devra permettre aux équipes de SCE d'améliorer leur compréhension des schémas de contamination des eaux souterraines par des produits phytosanitaires. Cette recherche s'appuiera sur les données d'une zone d'étude pilote. Les modèles seront évalués sur leur capacité à modéliser correctement la contamination et leur capacité à se généraliser sur de plus vastes jeux de données afin d'étendre par suite la méthodologie à d'autres zones pour de futures analyses, voire à l'échelle nationale. L'objectif est de faciliter des décisions plus éclairées en matière de gestion, d'utilisation et de conservation des ressources en eau souterraine, en particulier dans les régions à haut risque de contamination.
Tâches attendues :
- Constitution du jeu de données, basé sur des données publiques et des données propriétaires SCE en hydrogéologie, agriculture et environnement,
- Compilation d'un état de l'art des usages du Machine Learning pour la modélisation hydrogéologique,
- Entrainement d'un ou plusieurs modèles de modélisation de la contamination des eaux souterraines par les produits phytosanitaires,
- Evaluation de ces modèles sur des critères de qualité prédictive, d'explicabilité hydrogéologique, et de capacité de généralisation,
- Publication interne à SCE des outils nécessaires à la reproductibilité de la méthodologie sur de nouvelles zones et nouvelles données.
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.