Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : LIAS
Durée : 6 mois
Contact : baron@ensma.fr
Date limite de publication : 2026-10-30

Contexte :
L’entreprise Bimedia s’est associée au laboratoire d’informatique LIAS de Poitiers, dans le cadre d’un projet de recherche appliquée. Des enseignants-chercheurs et un ingénieur de recherche encadreront un étudiant de Master 2 (université ou école d’ingénieurs).

Bimedia, filiale du groupe Orisha, est une entreprise spécialisée dans les solutions destinées aux points de vente de proximité (bureaux de tabac, librairies, etc.). Son offre repose sur un ensemble de services comprenant du matériel (caisses enregistreuses à double écran : le premier pour le commerçant et le second orienté vers le client final), un logiciel d’encaissement et des solutions dématérialisées (cartes prépayées, etc.).

Sujet :
Bimedia met à disposition des commerçants des indicateurs individuels sur leur propre point de vente (chiffre d’affaires, historique des ven-tes), mais ne permet pas de se situer par rapport à des points de vente comparables. Or, comprendre quels produits fonctionnent bien dans des points de vente similaires au sien permettrait à un commerçant d’ajuster son offre, d’identifier de nouvelles opportunités commerciales (nouveaux produits à mettre en valeur) ou au contraire de repérer des produits sous-performants à retirer de son assortiment.

L’objectif principal du stage est de concevoir un système de recommandation de produits basé sur du filtrage collaboratif, permettant de comparer un point de vente à des points de vente similaires afin d’identifier les produits qui se vendent bien et ceux qui se vendent mal. Ce travail se décline en trois axes.

Définition d’une mesure de similarité entre points de vente : un premier travail consistera à construire une mesure de similarité entre points de vente, combinant les données de vente (chiffre d’affaires, produits vendus), les caractéristiques du point de vente (nombre d’employés, horaires d’ouverture, type de commerce) et le contexte socio-économique, en tenant compte de leur évolution temporelle. L’enjeu sera d’agréger ces dimensions en un score composite pertinent.

Construction d’un système de recommandation par filtrage collaboratif : à partir de la mesure de similarité définie précédemment, l’objectif sera de mettre en place une approche de filtrage collaboratif pour recommander à un point de vente des produits qui se vendent bien dans des points de vente similaires, mais qu’il ne propose pas ou peu. On cherchera aussi à repérer les produits dont les performances de vente sont significativement différentes pour présenter au commerçant les forces et les faiblesses de son point de vente.

Génération automatisée de recommandations en langage naturel : le troisième axe consistera à exploiter une IA générative afin de permettre une interrogation en langage naturel des résultats du système, et de restituer des messages clairs et concrets, directement affichables sur le terminal de caisse (ex : produit à ajouter à l’assortiment, produit sous-performant à surveiller).

Profil du candidat :
Le candidat doit être en Master 2 en Informatique ou en dernière année de préparation d’un diplôme d’ingénieur spécialité Informatique.

Date limite pour répondre à l’offre : 30/10/2026

Formation et compétences requises :
Une bonne connaissance du langage de programmation Python et des bibliothèques usuelles d’apprentissage automatique est requise. Un bon niveau en français est fondamental.

– Curriculum Vitae
– Notes de Master ou équivalent (si possible avec le classement)
– Autres documents utiles pour appuyer la candidature (ex. : projets, GitHub)

Adresse d’emploi :
Laboratoire LIAS – ISAE-ENSMA, Téléport 2 – 1 avenue Clément Ader
86961 Futuroscope, France

Document attaché : 202609071110_2027_lias_idd_ml_recommandation_collaboratif_fr.pdf

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : ETIS
Durée : 6 mois
Contact : michele.linardi@cyu.fr
Date limite de publication : 2026-12-31

Contexte :
At CY Cergy Paris University and the University of Toulouse, our research aims to develop trustworthy, robust, and human-centered Generative AI systems that adapt to students’ learning habits and individual needs.

Generative AI tutors are rapidly becoming pervasive across both secondary and higher education.
Students increasingly rely on AI-powered assistants for explanations, problem-solving, revision, and personalized feedback, making these systems an integral part of the modern learning experience.
As these tools become embedded in education, it is essential that they move beyond generic conversational capabilities and provide support that is pedagogically sound, personalized, and trustworthy.

Sujet :
By leveraging compact, privacy-preserving models, we aim to provide adaptive tutoring while reducing computational costs and enabling on-device personalization.
Within the tutoring process, the AI agent follows an agentic reasoning framework. It begins by receiving the student’s input and establishing a clear instructional objective, which guides all subsequent decisions throughout the interaction.

The agent then analyzes the student’s responses and contextual information to identify relevant patterns, infer the learner’s current level of understanding, and assess the educational context. This reasoning process enables the tutor to select appropriate pedagogical strategies and generate personalized interventions.

Please find all the informations in the attached files.

Profil du candidat :

Formation et compétences requises :

Adresse d’emploi :
Cergy Paris Université,
33 Bd du Port, 95000 Cergy

Document attaché : 202608191602_Internship_offer_Designing_NLP_tools_for_Sutdent_Digital_Twins.pdf