STAGE - Ingénierie de l'IA et graphe de connaissances (F/H)

L'équipe Graph Modeling Technologies construit les outils IA permettant d'exploiter les données métiers, habituellement opaques aux modèles d'IA. Les données stockées dans des graphes de connaissances sont une source importante de savoir, à laquelle les modèles de langage ne peuvent normalement pas accéder. Les outils que nous développons donnent accès à ces données aux utilisateurs de 3DS afin de valoriser leurs connaissances et leur savoir-faire.

Les documents et fichiers produits par les différentes activités peuvent être exploités et structurés sous forme de graphes pour en extraire les informations essentielles. Nous rendons ainsi l'information métier accessible pour répondre aux questions les plus techniques, sans risque d'hallucination des modèles.

Nous recherchons des étudiants et étudiantes en école d'ingénieurs qui s'intéressent aux LLMs et à leur utilisation dans des systèmes complets, et qui ont envie de découvrir avec l'équipe de nouvelles solutions et technologies.

Au sein de l'équipe Graph Modeling Technologies, vous concevrez, développerez et évaluerez un système agentique à base de LLMs capable de mener des investigations autonomes sur les graphes de connaissances.

Une seule requête SPARQL ne suffit pas à répondre aux questions complexes des utilisateurs. Il faut raisonner par étapes :

Chercher de façon itérative ; formuler des hypothèses et les tester ; rassembler progressivement les éléments de preuve pour construire une réponse fiable.

Vos missions

Votre objectif sera de permettre aux outils de l'équipe de traiter ces requêtes complexes en langage naturel. Vous vous appuierez sur des outils d'exploration et de découverte conçus pour les bases de données orientées graphe.

Il s'agit d'un vrai travail de recherche et développement, de l'état de l'art jusqu'à la mise en œuvre. Avec l'équipe, vous étudierez :

Les architectures d'agents (planification, raisonnement itératif, utilisation d'outils) ; les approches de question-réponse sur graphes de connaissances.

Vous choisirez ensuite les méthodes les plus prometteuses, les implémenterez, puis mesurerez leur faisabilité et leurs performances sur des jeux de questions représentatifs.