Ce stage s’inscrit dans le projet ANR Biocide-WATCH qui étudie l’impact du changement climatique sur les traitements biocides par monochloramine utilisés dans les circuits de refroidissement des centrales nucléaires. L’enjeu majeur concerne la formation des sous-produits de désinfection (DBPs), issus de la réaction entre la monochloramine et la matière organique naturelle des eaux de rivières. Ces composés sont réglementés et représentent un risque environnemental et sanitaire. Le changement climatique pourrait modifier la composition des cours d’eau, influençant la formation des DBPs.

Le stage porte sur le Work Package 6 (WP6), dédié à la modélisation prédictive par intelligence artificielle. L’objectif est d’analyser l’évolution temporelle de la qualité physico-chimique des cours d’eau (carbone organique, température, pH…) et de projeter son évolution future. Le travail inclut :
- Revue bibliographique pour identifier les paramètres clés et les méthodes d’analyse.
- Collecte et organisation des données issues de bases publiques (ex. Naïades), des données EDF et autres sources.
- Exploration statistique des séries temporelles pour détecter tendances et anomalies, avec gestion des données manquantes.
- Modélisation prédictive : mise en œuvre de modèles classiques (ARIMA, ARIMAX) et approches avancées (réseaux LSTM/GRU).
- Classification des risques pour identifier les situations critiques et contribuer à des outils d’aide à la décision.

Le stagiaire travaillera dans un environnement pluridisciplinaire, avec un fort impact sociétal et environnemental. Les résultats alimenteront les livrables du projet et pourront être valorisés par des publications scientifiques.

- Formation : Master 2 ou 3e année d’école d’ingénieurs en mathématiques appliquées, data science ou informatique.
- Compétences techniques :
• Maîtrise du langage Python et des bibliothèques scientifiques (pandas, numpy, scikit-learn).
• Connaissances en apprentissage automatique et analyse de séries temporelles.
• Expérience souhaitée avec des frameworks de deep learning (TensorFlow, PyTorch, Keras).
- Atouts :
• Sensibilité aux enjeux environnementaux et sanitaires liés à la qualité de l’eau.
• Capacité à gérer des données complexes (valeurs manquantes, hétérogénéité).
- Qualités personnelles :
• Rigueur scientifique, autonomie, curiosité.
• Aptitude à travailler en équipe pluridisciplinaire.
- Conditions :
• Durée : 6 mois (mars/avril – août/septembre 2026).
• Lieu : EDF R&D, Laboratoire National d’Hydraulique et Environnement, Chatou (78).
• Encadrement : Fabrice Zaoui et Saïd Kinani (EDF R&D), Benoît Teychené (IC2MP-CNRS).

Ce stage offre une opportunité unique de contribuer à un projet de recherche ambitieux, avec des perspectives de valorisation scientifique et un impact concret sur la gestion des risques environnementaux.