Développement d'Une Méthode Automatique de Classification des Structures de Trempe dans les Alliages H/F Framatome
- Ugine - 73
- Stage
- Bac +5
- Industrie Manufacturière
- Secteur Energie • Environnement
Les missions du poste
Contexte
Les alliages de zirconium utilisés dans l'industrie nucléaire subissent au cours de leur fabrication différents traitements thermiques qui modifient leur microstructure et leurs propriétés mécaniques. Parmi ces traitements, les opérations de trempe peuvent conduire à l'apparition de structures dites en vannerie, susceptibles d'influencer les étapes ultérieures de mise en forme.
Aujourd'hui, l'évaluation de la proportion de vannerie dans une micrographie métallographique repose essentiellement sur l'expertise visuelle. Cette approche présente toutefois plusieurs limites : subjectivité de l'analyse, difficulté de reproductibilité et temps d'évaluation important. Une étude préliminaire a permis d'identifier plusieurs métriques et approches prometteuses pour automatiser cette caractérisation microstructurale.
Objectifs du stage
L'objectif du stage est de développer et qualifier une méthode robuste de classification automatique des structures de trempe à partir d'images métallographiques.
Les travaux porteront notamment sur :
- l'analyse critique des approches identifiées lors de la pré-étude ;
- la validation des métriques et critères de classification retenus ;
- l'exploration de nouvelles méthodes de caractérisation d'images ;
- l'évaluation de l'apport potentiel de techniques d'intelligence artificielle pour améliorer les performances de détection ;
- la qualification de la méthode développée à travers la comparaison avec les évaluations réalisées par des experts métier.
Travail proposé
L'outil existant est développé en Python et s'appuie sur des bibliothèques open source d'analyse d'image. Il repose sur un pipeline déterministe combinant différentes étapes de traitement :
- prétraitement des images ;
- extraction de caractéristiques géométriques et texturales ;
- calcul d'indicateurs microstructuraux ;
- agrégation des résultats sous la forme d'un score de proportion de vannerie.
- Le stagiaire participera à l'amélioration de ce pipeline et à son évaluation sur un ensemble représentatif de micrographies industrielles.
Selon l'avancement des travaux, des approches basées sur l'apprentissage automatique ou le deep learning pourront être étudiées et comparées aux méthodes déterministes existantes.
Le profil recherché
Étudiant(e) en dernière année d'école d'ingénieur ou de Master 2 avec une spécialisation en :
- informatique scientifique ;
- science des matériaux ;
- traitement d'image ;
- intelligence artificielle ou data science.
Compétences souhaitées :
- programmation Python ;
- traitement et analyse de données ;
- rigueur scientifique et esprit critique ;
- autonomie et capacité de synthèse.
Une expérience en analyse d'image constitue un atout, mais n'est pas indispensable. Une forte motivation pour l'apprentissage de nouvelles méthodes et une capacité à exploiter efficacement la littérature scientifique seront particulièrement appréciées.
Les avantages
- Rémunération fixe, primes individuelles/part variable selon profil
- Intéressement, abondement, PEG, PERCO, CET
- RTT
- Bonne mutuelle et prévoyance
- Jusqu’à 3 jours de télétravail selon profil, et indemnité associée
- Evolution rapide possible, développement RH
- Moments d’échange privilégiés avec la direction
- Management engagé dans une démarche de confiance et bienveillance
- Pre-boarding, pour se familiariser à l’entreprise avant votre arrivée
- Semaine d’intégration, avec visites de sites et centrale nucléaire
- Chèques CESU
Les étapes de recrutement
Les étapes de recrutement peuvent varier selon l'offre à laquelle vous postulez.
-
Toutes nos offres sont sur notre site. Trouvez votre offre parfaite et déposez votre CV !
-
Notre principe ? 3 entretiens au total (RH & managers) et 1 déplacement sur site maximum
Framatome en images
Publiée le 17/11/2026 - Réf : 2026-28362