Le stage se déroulera au sein du groupe Air France-KLM, plus précisément au département Data, RO & IA.

Ce département est responsable du développement d'outils de prévision, d'optimisation et d'analyse de données pour diverses entités du groupe.

Vous allez effectuer votre mission au sein de l’équipe Ortech qui représente la tech team du département ayant comme objectif de propager les bonnes pratiques dans les domaines d’Optimisation, Machine Learning & IA.

Rattaché au département Data / OR & AI de la Direction Informatique, au sein de la Data Factory d’Air France-KLM, vous serez chargé de mener une étude dans le cadre du projet de transformation Agentique.

Votre mission principale consistera à identifier les solutions de communication entre agents, tout en intégrant les exigences de sécurité nécessaires au déploiement d’une plateforme agentique. Vous serez également amené à expérimenter les fonctionnalités de sécurisation et de tests de LLM, d’agents et de protocoles et à communiquer sur leur valeur et leurs limites, afin de compléter la vision de notre future plateforme agentique.

Vous travaillerez en collaboration avec l’équipe de Tech leads Machine Learning & IA, ainsi qu’avec les équipes responsables de la plateforme GCP et les experts en sécurité.

Vous travaillerez au sein de l’équipe de Tech lead Machine Learning & AI, et en collaboration avec les équipes responsable de la plateforme GCP ainsi que les experts sécurité.

Nous recherchons un(e) étudiant(e) en école d’ingénieur, en stage de fin d’études. Curieux.se et passionné(e]par les problématiques liées à l’IA et leur intégration, vous faites preuve de rigueur, d’autonomie et de bonnes qualités relationnelles.

Votre esprit d’initiative, vos capacités d’analyse et de synthèse, ainsi que votre aisance dans la présentation de résultats seront des atouts majeurs. Vous manifestez un intérêt pour l’étude de modèles de pointe, dont la mise en œuvre requiert un travail d’investigation approfondi. Vous êtes également désireux.se de comprendre le fonctionnement interne des modèles de Machine Learning, y compris sur les aspects mathématiques.