STAGE - Ingénieur logiciel - graphes de connaissances et bases de données (F/H)

Le stage se déroulera au sein de l'équipe NuoDB Graph, responsable de la base de données graphe de la plateforme 3DEXPERIENCE. Cette base de données graphe est un composant central de l'écosystème de Dassault Systèmes : elle permet de représenter et d'interroger des graphes de connaissance au service de l'IA et des applications métiers de DS. 

L'équipe conçoit et fait évoluer les structures de données, le moteur de requêtes et les mécanismes de stockage qui sous-tendent ces cas d'usage, en s'appuyant à la fois sur son expertise historique et sur les besoins émergents liés à l'IA générative et aux agents autonomes. 

Rejoindre cette équipe, c'est travailler à l'intersection de la recherche en base de données et de leurs applications concrètes à très grande échelle dans des produits industriels utilisés par des milliers de clients à travers le monde. C'est rejoindre une équipe passionnée par l'innovation et les défis technologiques de pointe.

Les agents IA interrogent de plus en plus le graphe de connaissance en combinant recherche sémantique dans un index vectoriel et requêtes structurées SPARQL, par exemple pour retrouver les entités les plus pertinentes avant d'en explorer les relations. Or ces deux mondes s'articulent mal : la recherche vectorielle est intrinsèquement un opérateur de type top-k, non composable avec des jointures classiques, et l'algèbre SPARQL ne dispose d'aucun opérateur de classement natif pour l'intégrer proprement. Le véritable verrou n'est pas l'exécution en elle-même, mais le modèle de coût : sans estimation fiable de la sélectivité d'un opérateur ANN (Approximate Nearest Neighbor), impossible pour le planificateur de décider, requête par requête, s'il faut faire la recherche structurée avant ou après la recherche vectorielle. La décision est aujourd'hui souvent figée par configuration ou codée en dur, au détriment des performances.

L'objectif du stage est de concevoir une algèbre hybride vecteur/SPARQL et le modèle de coût associé, permettant au planificateur de requêtes d'estimer dynamiquement la sélectivité des opérateurs ANN et de choisir automatiquement entre pré-filtrage et post-filtrage selon le contexte de la requête. Cette contribution vise à améliorer significativement les performances des requêtes générées par des agents IA sur le graphe de connaissance, en remplaçant les heuristiques figées actuelles par une approche fondée sur un véritable modèle de coût.