Stage Innovation : Ingénieur Intelligence Artificielle Générative

A la Direction de l’Innovation, nous menons des projets de recherche sur des champs d’expérimentation très larges et multi-sectoriels.
Ces projets innovants, développés en équipes, sont encadrés par nos experts au sein des ALTEN Labs (IDF, Toulouse, Grenoble, Rennes et Sophia Antipolis), et tentent de répondre aux enjeux de nos clients en leur fournissant des solutions technologiques originales et disruptives.

Au sein de notre Lab de Grenoble, vous serez accompagné(e) par un Pilote Innovation (Chef de projet) pour vous permettre de développer vos compétences sur les activités du projet suivant.

Projet : Recherche intelligente d’information

L'objectif est de poursuivre le travail de développement d'une plateforme de recherche intelligente multimodale basée sur l’Intelligence Artificielle, et en particulier sur les modèles de langage (LLM) et les approches multi-agents collaboratives. Cette plateforme devra être capable de récupérer l'information depuis différentes sources multimodales (texte, image, tableau, graphe, etc.), analyser et organiser cette information, et formuler une réponse pertinente à une requête complexe, tout en rendant le raisonnement explicable et traçable.

Principaux objectifs :

• Le développement d'agents collaboratifs capables d’interagir entre eux pour accomplir des tâches complexes. Ces agents devront, non seulement exécuter une tâche donnée, mais aussi rendre leur comportement observable, évaluable et corrigible à chaque étape du processus.
• L’observabilité, l’évaluation et la supervision des actions menées par des agents IA dans un environnement collaboratif.

Missions confiées :

• Effectuer une revue de la littérature sur les approches agentiques, l’orchestration multi-agents et les techniques XAI
• Prendre en main les données multimodales disponibles (texte, image, vidéo, graphe…)
• Définir une architecture multi-agents collaborative guidée par les LLM, en lien avec la tâche de recherche intelligente avec des approches d'observabilité
• Continuer l'implémentation d'une plateforme prototype intégrant des LLM orchestrateurs et des agents spécialisés
• Définir et tester des mécanismes d’observabilité, d’évaluation et de correction des tâches
• Évaluer différentes approches (end-to-end vs. by action/trajectory) selon des critères de performance, robustesse, explicabilité