Pour réussir à intégrer les métiers de l’électricité et des énergies renouvelables, TotalEnergies a créé une nouvelle entité OneTech qui regroupe l'ensemble des expertises techniques et de R&D des branches (Exploration & Production, Raffinage Chimie, Marketing & Services et Gas, Renewables & Power). Avec près de 3 400 ingénieurs et techniciens, répartis sur 9 sites en Europe, OneTech est organisé autour de 3 pôles, un pôle industriel pour accompagner la croissance de la Compagnie dans le gaz, les énergies renouvelables, l’électricité et la réduction des émissions de CO2, un pôle Recherche & Développement pour poursuivre la transformation de TotalEnergies en donnant la priorité au mix bas carbone et un pôle fonctions supports.

Le projet porte sur la modélisation par intelligence artificielle et la prédiction de la dégradation, avec pour objectif de développer des modèles avancés basés sur l’IA capables d’identifier et de quantifier les principaux facteurs de stress météorologiques responsables de la dégradation photovoltaïque, et de contribuer à la recommandation de protocoles de tests en laboratoire reflétant au mieux les conditions réelles en extérieur. Ces modèles permettront également d’estimer en temps réel la puissance et la dégradation dans des champs photovoltaïques industriels équipés de technologies émergentes, facilitant ainsi leur intégration dans les stratégies MPPT. De plus, les modèles d’IA seront intégrés dans un outil d’aide à la décision et de déploiement sur le terrain pour soutenir l’industrialisation des modules pérovskites et tandem. Le travail inclut l’analyse de jeux de données extérieurs et intérieurs, en exploitant des mesures réelles de champs photovoltaïques afin d’identifier les facteurs de stress clés tels que la dose d’irradiation, les gradients thermiques, les cycles jour–nuit ou l’humidité. Enfin, les cadres IA/ML développés seront appliqués à la prédiction de phénomènes physiques sous-jacents, en utilisant des méthodes de régression, de prévision de séries temporelles et des modèles hybrides combinant approches physiques et approches orientées données.

Modélisation IA et prédiction de la dégradation – Développer des modèles basés sur l’IA pour :

-Estimer en temps réel la puissance et la dégradation d’un champ PV équipé de nouvelles technologies (pérovskite/tandem), en vue d’une intégration dans les stratégies MPPT. Développer des modèles IA capables de prédire la dégradation dans des conditions réelles de fonctionnement, avec une future intégration aux stratégies MPPT pour les technologies pérovskites et tandem.

-Exploiter les vastes jeux de données disponibles sur la dégradation des pérovskites pour des analyses IA et big data.

-Intégrer ces modèles dans un outil d’aide à la décision et de déploiement terrain afin de faciliter l’adoption industrielle des modules pérovskites et tandem.

-Identifier et quantifier les facteurs de stress météorologiques dominants responsables de la dégradation, et contribuer à recommander les protocoles de tests en laboratoire les plus représentatifs, alignés sur les stress réels en extérieur. Analyser les jeux de données en tirant parti des mesures réelles en champ PV pour identifier les principaux facteurs de stress (dose d’irradiation, gradients thermiques, cycles jour/nuit, humidité, etc.).

-Appliquer les modèles IA développés à la prédiction de phénomènes physiques, en utilisant la régression, la prévision de séries temporelles et des modèles hybrides combinant physique et données.

En tant que stagiaire Prédiction en temps réel, pilotée par l’IA, de la dégradation dans les technologies photovoltaïques émergentes H/F, vos missions seront :

• Prédire en temps réel la dégradation des modules pérovskites dans des champs photovoltaïques réalistes pour des applications industrielles, en s’appuyant sur l’extension des technologies industrielles actuelles de détection de défauts dans les modules en silicium.
• Analyser les facteurs de stress responsables de la dégradation grâce à des méthodes d’analyse big data.
• Étendre le modèle pour prédire des paramètres supplémentaires du dispositif, tels que la stabilité et les taux de dégradation.
• Intégrer des métadonnées au niveau du procédé (par exemple les conditions de fabrication) afin d’améliorer la robustesse du modèle.

Vous évoluerez au sein d'une équipe de professionnels confirmés et auprès d'un tuteur-coach, le référent de votre futur métier. Un accompagnement individualisé vous permettra de favoriser votre autonomie et de vous mener à votre diplôme !

Actuellement en école d'ingénieur ou en Master dans le domaine de la R&D, vous recherchez un stage de fin d'étude d’une durée de 6 mois à partir de mai 2026 ?

Fort(e) d'une première expérience en IA/ML appliquées à l’analyse de séries temporelles et à la prédiction de phénomènes physiques (régression, modèles de séries temporelles, modèles hybrides combinant physique et données), vous avez des connaissances en réseaux de neurones ? Vous connaissez l'analyse de données, modélisation et traitement de grands jeux de données ? Une première expérience en modélisation basée sur l’intelligence artificielle ainsi qu'une connaissance des sujets Photovoltaïques sera fortement appréciée.

Vous êtes à l'aise avec la bureautique et connaissez la suite Office ? Vous utiliserez notamment Excel, Word et Powerpoint.

L'autonomie, la rigueur et l'esprit d'équipe font partie intégrante de vos qualités ?

 Vous savez prendre des initiatives ? 

Posséder une bonne capacité rédactionnelle ainsi qu'une maitrise professionnelle de l’anglais seront indispensables à votre prise de poste.

Si vous vous retrouvez dans le profil recherché, n'hésitez plus et rejoignez l'aventure TotalEnergies !

Cette offre concerne un stage conventionné à temps plein, les stages alternés ne sont possibles.

Pour postuler, merci de joindre un CV + lettre de motivation (vos dates de stage doivent être indiquées).

This offer is for a full-time, contractual internship; alternating internships are not possible.

To apply, please attach a CV + cover letter (your internship dates must be indicated).