Stage :Causal foundation models pour séries temporelles de consommation électrique F/H

DÉTAILS DE L'OFFRE

Présentation de l'entreprise

Le groupe EDF est l'un des premiers électriciens mondiaux, à la pointe de l'innovation technologique. Le respect de la personne et celui de l'environnement, l'intégrité, la solidarité sont au cœur de nos actions. Face à l’urgence climatique, notre rôle est d’inventer un modèle énergétique qui respecte notre planète.

Nous voulons construire un monde où il sera possible de produire une électricité neutre en CO2, grâce au nucléaire et aux énergies renouvelables, conciliant préservation de la planète, bien-être et développement, grâce à l’électricité et à des solutions et services innovants.

Pourquoi nous rejoindre ? 😀

Rejoindre EDF, c’est travailler dans un Groupe qui lutte au quotidien contre le réchauffement climatique. C’est travailler dans un Groupe avec des valeurs fortes qui innove avec de solides actifs industriels et vous confie des missions qui ont du sens. Rejoindre EDF, c’est partager une aventure ensemble.
Index égalité femmes-hommes - Note d'EDF SA 2025 : 100/100

Missions

Le département SEQUOIA (Services, Economie, Questions hUmaines, Outils innovants et IA) de la R&D, intervient en appui de la direction Marketing de la Branche Commerce d’EDF.

 Dans ce département, le groupe E7C est spécialisé en analyse de données de consommation, et en modélisation statistique dans le but de concevoir des nouvelles offres de fourniture ou des services.

Nos missions sont de :

1.Mettre en place des panels de clients pour collecter des courbes de charge (globale ou sur des usages spécifiques) : des compétences en sondage, ou en dimensionnement de panels sont alors requises. 

2.Modéliser des profils de consommation.

3.Développer des algorithmes pour faire de l’estimation/prévision de consommation.

4.Estimer l’impact d’une offre ou d’un service sur la consommation des clients.

Ce stage s’inscrit dans un projet, dont l’objectif est de recueillir et valoriser les données clients. Par ailleurs, un volet méthodologique du projet identifie et développe des traitements innovants et créateurs de valeur pour la relation client et les offres à partir des courbes de charge au pas de temps des compteurs communicants (Linky et Gazpar), mais aussi à pas de temps fin (seconde).

Contexte du stage :

Le département SEQUOIA de la R&D a pour ambition de devenir un acteur de référence en matière de foundation models. A ce jour, les méthodes en cours de développement sont spécialisées pour la prévision et l’imputation de séries temporelles (voir par exemple le modèle TS-ICL : https://github.com/EDF-Lab/ts-icl).

Les méthodes d’inférence causale sont fréquemment utilisées pour répondre à des problématiques autour de l’énergie : quel est l’effet d’une rénovation énergétique sur la consommation électrique du client ? Comment réagit le client face aux changements d’offres tarifaires ? Cependant, les algorithmes traditionnels montrent parfois des limites lorsqu’il est question de travailler sur des données de courbes de charge haute fréquence (séries temporelles de consommation électrique individuelles).

Le stage comportera plusieurs phases : 

 État de l’art des méthodes envisagées et montée en compétences :

Se familiariser avec les méthodes usuelles d’inférence causale. Explorer les causal foundation models ainsi que les méthodes de génération de données synthétiques causales associées, les comparer aux algorithmes traditionnels. Porter un regard critique sur ces méthodes. Capitaliser ses résultats.

Prise en main des données

Jeu de données public de courbes de charge avec effet causal simulé. Données de courbes de charge EDF avec effet causal réel et inconnu.

Mise en œuvre

Implémenter les méthodes identifiées lors de la revue de littérature en Python. Certains modèles traditionnels sont codés en R. Adapter ces méthodes à notre usage et à nos données. Réaliser un benchmark des différentes méthodes.

Capitalisation des travaux effectués

Rédaction d'un rapport, code python/R accompagné d'une documentation, co-rédaction d'article scientifique.

 

Profil recherché

La R&D propose ce stage de fin d’études, à destination d’étudiants en écoles d’ingénieurs ou Master 2, spécialisés en Statistique/Data Science/Econométrie/Deep Learning/IA.

Ecoles : Ecole Polytechnique, ENSTA, Ecole Nationale des Ponts et Chaussées, IMT Atlantique, CentraleSupélec, Ecole des mines, Télécom Paris, ENSAE, ENSAI, Paris School of Economics et Toulouse School of Economics

 Compétences :

Connaissances théoriques en statistique, Machine Learning et en Deep Learning.

Capacité à comprendre et synthétiser des articles complexes.

Goût pour la R&D, l’inférence causale et les foundation models..

Modélisation de séries temporelles.

L’étudiant sera amené à utiliser principalement le langage de programmation Python et ponctuellement R.

 

 Dates : à partir de février/mars 2027 (flexible) et pour 6 mois

 

 Lieu du stage : EDF Lab Paris-Saclay – Recherches et Développement, 7 Bd Gaspard Monge, 91120 Palaiseau.

 

Contacts :

Yanis REMMACHE (Ingénieur Chercheur), mail : ******

Philippe CHARPENTIER (Ingénieur Chercheur Expert), mail : ******

 

Merci d’envoyer un C.V et une lettre de motivation sur ces e-mails. 

Horaires : 35 h / semaine