Exploration intelligente des données multicritères pour la décarbonation du transport via des agents IA LLM

IFP Energies nouvelles (IFPEN) est un acteur majeur de la recherche et de la formation dans les domaines de l’énergie, du transport et de l’environnement. Depuis les concepts scientifiques en recherche fondamentale jusqu’aux solutions technologiques en recherche appliquée, l’innovation est au cœur de son action, articulée autour de quatre orientations stratégiques : climat, environnement et économie circulaire ; énergies renouvelables ; mobilité durable ; hydrocarbures responsables.

Dans le cadre de la mission d’intérêt général confiée par les pouvoirs publics, IFPEN concentre ses efforts sur l’apport de solutions aux défis sociétaux et industriels de l’énergie et du climat, au service de la transition écologique. Partie intégrante d’IFPEN, IFP School, son école d’ingénieurs, prépare les générations futures à relever ces défis.

Exploration intelligente des données multicritères pour la décarbonation du transport via des agents IA LLM

Les directions « Mobilité & Systèmes » et « Sciences et Technologies du Numérique » d’IFP Energies nouvelles proposent un stage sur l’exploitation de l’intelligence artificielle de type LLM (Large Language Models) pour faciliter l’analyse des données environnementales, économiques et technologiques issues de la plateforme PLANET éco développée par IFPEN. Celle-ci est dédiée à l’évaluation multicritère des solutions de transport dans un contexte de transition énergétique.

Le/la stagiaire développera un système multi-agents (LLM, tests, validation), capable de dialoguer avec les jeux de données de la plateforme (via API, requêtes structurées, protocole MCP.) afin de fournir des réponses contextualisées, des visualisations dynamiques et des synthèses adaptées aux besoins des utilisateurs (ingénieurs, décideurs, analystes).

Le stage s’inscrit dans le cadre de la stratégie de digitalisation des outils d’analyse multicritère menée par IFPEN, avec l’objectif d’améliorer l’accessibilité, l’interprétabilité et l’interactivité des résultats pour la planification de la décarbonation du secteur transport.

Les étapes de travail identifiées sont :

• Compréhension du fonctionnement de la plateforme PLANET éco et des enjeux de l’analyse multicritère (ACV, TCO, modélisation de flottes)
• État de l’art des approches d’IA agentique appliquées à l’exploration de données structurées
• Définition des cas d’usage pour l’interrogation des résultats PLANET éco
• Développement d’un prototype de système multi-agents interfacé avec les sources de données (API / base de données / fichiers d’entrée-sortie)
• Mise en œuvre de scénarios de test sur des cas d’étude types (technologie, horizon temporel, indicateurs)
• Capitalisation des développements, documentation et présentation de synthèse

En fonction de l’avancement :

• Déploiement d’une interface de requêtage assistée par IA à travers un assistant conversationnel
• Mise en œuvre de tableaux de bord interactifs (type Streamlit) pour l’analyse visuelle des résultats générés par l’agent
• Exploration de la personnalisation des requêtes selon différents profils utilisateurs (expert ACV, décideur publics, ingénieur techno-économique…)

Profil recherché :

Étudiant(e) en école d’ingénieur ou université niveau M2 avec un profil en data science, IA, modélisation ou ingénierie numérique

• Intérêt pour les enjeux de mobilité durable et la décarbonation du transport
• Bonnes compétences en programmation Python (API, visualisation, gestion de données)
• Une première expérience avec des LLM ou bibliothèques associées (LangChain, OpenAI, etc.) est un atout
• Connaissances appréciées en ACV et/ou analyse énergétique des systèmes
• Autonomie, rigueur, esprit d’initiative

Mots-clefs : IA agentique, LLM, exploration de données, ACV, transport, décarbonation, Python, visualisation interactive