Stage - Développement de Solutions Innovantes par les Llms H/F Safran

Safran est un groupe international de haute technologie, leader mondial dans les domaines de l'Aéronautique, de l'Espace, de la Défense et de la Sécurité. Au sein du centre de R&T du groupe (Safran Tech), l'Unité de Recherche Maths & Algorithms for Temporal Data (MATD) développe des méthodes innovantes en collaboration avec des partenaires académiques, dans des domaines tels que les Grands Modèles de Langage (Large Language Models, LLMs).
Faire des découvertes, développer de nouvelles idées ou concevoir des algorithmes innovants nécessite généralement un processus long et complexe d'exploration, de formalisation des problèmes, d'élaboration d'hypothèses, d'expérimentation et de validation, processus qui s'avère souvent très coûteux. Un intérêt considérable s'est récemment développé pour l'utilisation des LLMs afin d'automatiser des parties importantes de ce processus. Les espoirs de succès dans ce domaine sont alimentés par l'amélioration des capacités de raisonnement des LLMs [1-3] et par l'essor d'agents qui combinent génération de langage et action [4,5]. On peut notamment citer des exemples d'utilisation de LLMs pour la génération d'hypothèses [6] et la conception d'expériences [7, 8]. Néanmoins, accomplir des découvertes scientifiques ou pratiques entièrement nouvelles à l'aide des LLMs demeure un défi considérable.
Récemment, certaines approches d'optimisation combinant les LLMs avec des approches évolutives ont permis de réaliser de nouvelles découvertes scientifiques [9-13]. Parmi ces méthodes, on peut citer FunSearch [12] ou AlphaEvolve [13], une approche récente qui propose une méthode innovante de découverte de solutions en s'appuyant sur les principes de l'évolution (sélection, recombinaison, mutation), tout en intégrant des LLMs et des approches agentiques pour explorer et améliorer des solutions complexes. AlphaEvolve généralise le principe d'exploration intelligente de l'espace des solutions et représente un fort potentiel pour l'industrie. Par exemple, AlphaEvolve a développé un algorithme qui a permis de multiplier deux matrices 4×4 à valeurs complexes en utilisant seulement 48 multiplications scalaires, offrant ainsi la première amélioration depuis 56 ans par rapport à l'algorithme de Strassen dans ce contexte.
En tant que stagiaire au sein de l'unité MATD, vous travaillerez en étroite collaboration avec des ingénieurs de recherche pour implémenter et développer des approches d'optimisation combinant les LLMs avec des approches évolutives pour des cas d'usage Safran spécifiques.