Les produits de la plateforme Origination & Design visent à améliorer la conception des projets, l’évaluation du productible et des coûts, afin de maximiser la valeur des projets renouvelables et des actifs futurs. Ces domaines sont fortement data-driven et intègrent des solutions digitales avancées.

En tant que membre de la plateforme, l’ingénieur·e collaborera avec une équipe accompagnant les Business Units et OneTech sur l’optimisation du dimensionnement et des stratégies d’exploitation de systèmes hybrides (décarbonation d’actifs, production d’hydrogène vert, actifs connectés au réseau).

Le poste s’inscrit dans une initiative pluriannuelle visant à développer et industrialiser des algorithmes d’optimisation et des modèles technologiques, afin de créer une solution logicielle interne dédiée aux projets industriels réels. Le projet entrant dans une phase de forte accélération, le rôle sera clé pour concevoir de nouvelles stratégies d’optimisation, soutenir les projets actifs et contribuer au déploiement et au passage à l’échelle à l’échelle du Groupe.

Vous rejoindrez une équipe dédiée attachée à la collaboration et au soutien mutuel, avec des moments réguliers de partage technique et des activités de cohésion (déjeuners, afterworks) et vous aurez les responsabilités suivantes : 

• Vous agirez en tant que référent·e technique et lead sur les sujets d’optimisation : choix algorithmiques, approches de modélisation, outils et écosystèmes externes.
• Vous piloterez la conception et le développement de méthodes d’optimisation avancées pour répondre à des problématiques industrielles complexes, couvrant un large spectre d’applications métier.
• Vous contribuerez à la feuille de route technique des composants d’optimisation, en réalisant des choix architecturaux garantissant la scalabilité, la robustesse et la maintenabilité à long terme des logiciels.
• Vous porterez la mise en œuvre de fonctionnalités à fort impact, en améliorant les performances de calcul, la stabilité numérique et la qualité globale du code, tout en appliquant les meilleures pratiques de génie logiciel.
• Vous cadrerez et piloterez des cas d’usage métier, en collaboration étroite avec les chefs de projet et experts techniques, afin de traduire les besoins opérationnels en modèles et solutions d’optimisation robustes.
• Vous maintiendrez des liens solides avec les écosystèmes académique et externe, en assurant une veille active sur la recherche, les outils et les partenariats pertinents.
• Vous évaluerez et piloterez l’adoption de solutions externes, en veillant à leur adéquation avec les besoins produits, leur robustesse et leur valeur ajoutée.
• Vous serez un·e référent·e technique en optimisation pour l’équipe : accompagnement, revues techniques, mentorat des ingénieurs plus juniors et contribution à la montée en compétences collective.
• Vous piloterez le cadre de documentation technique des produits : description des modèles retenus, justification des méthodes de résolution et évaluation des performances.
• Vous conduirez ou contribuerez à des travaux de recherche avancés en modélisation et stratégies de résolution, et assurerez leur industrialisation dans les produits.

Vous contribuerez à la visibilité interne et externe des logiciels via la documentation technique, les référentiels méthodologiques et des communications stratégiques favorisant l’adoption et la contribution des utilisateurs et parties prenantes.

L'ingénieur expérimenté optimisation aura une expérience de minimum 10 ans : 

• Diplôme d’ingénieur ou universitaire en optimisation mathématique / recherche opérationnelle.
• Solides compétences mathématiques, en particulier en optimisation, modélisation numérique et statistiques, avec une capacité à traduire des problématiques métier complexes en formulations robustes (MILP / MNLP).
• Optimisation combinatoire : bonne maîtrise des heuristiques et métaheuristiques (GA, PSO, CMA-ES) appliquées à des problèmes NP-difficiles.
• Forte expérience avec les solveurs (Gurobi, CPLEX, CBC, IpOpt, GAMS…) et les bibliothèques de modélisation (Pyomo, PuLP…).
• Excellente maîtrise de Python et expérience dans le développement de solutions logicielles de niveau industriel ; pratique des outils de versioning et de collaboration (GitHub, GitLab, Azure DevOps).
• Compétences transverses : rédaction technique, mentorat, leadership technique, pédagogie et esprit d’équipe.
• Anglais professionnel courant (le français est un plus).

• Connaissances en Machine Learning (approches hybrides ML–optimisation) est un plus.
• Expérience en optimisation sous incertitude (optimisation stochastique, robuste, par scénarios) est un plus.