Esportare RSS delle offerte - Seulement les offres à la une : No / Profil : Mathematiques et algorithmes-->Mathematiques

2026-188861 - STAGE : Surrogate modeling hybride pour systèmes physiques F/H

Thu, 15 Oct 2026 22:14:44 Z

Mestiere : Matematica e algoritmi/Mathematiques
Contratto : Stage
Descrizione dell'incarico :
Dans le secteur aéronautique, les simulateurs physiques jouent un rôle clé pour la conception, l'analyse et la maintenance des systèmes : ils permettent d'étudier des phénomènes complexes dans des situations très variées. Toutefois, leur coût de calcul élevé limite leur usage lorsqu'ils doivent être sollicités de manière répétée (optimisation, études paramétriques, analyses d'incertitude, jumeaux numériques, etc.). Les modèles de substitution basés sur l'intelligence artificielle offrent une alternative prometteuse pour reproduire rapidement le comportement de ces simulateurs. Cependant, les modèles purement data-driven peuvent manquer de robustesse et de fiabilité sur des domaines mal représentés ou avec peu de données disponibles. Le stage proposé vise à explorer et développer des approches hybrides de surrogate modeling qui intègrent à la fois l'apprentissage à partir des données et l'exploitation de connaissances physiques ou métiers (contraintes, relations entre variables, structures systèmes, informations issues de modèles simplifiés…). Cet apport de connaissances visera à améliorer la robustesse, la cohérence physique, la capacité de généralisation des modèles et à réduire les besoins en données. Après une revue des méthodes récentes, le ou la stagiaire définira, développera et comparera différentes stratégies (réseaux de neurones contraints par la physique, Neural Operators, modèles hybrides, modèles génératifs tels que diffusion ou flow matching selon les besoins…). Les méthodes seront évaluées sur des cas industriels Safran à partir de critères tels que précision, coût de calcul, robustesse, cohérence physique et quantité de données requise. Une attention particulière sera portée à la généralisation des modèles à de nouvelles conditions de fonctionnement. Le stage consistera à : - Réaliser une veille bibliographique sur les méthodes de surrogate modeling hybrides - Implémenter des prototypes en Python et PyTorch - Conduire des expérimentations et analyser les résultats obtenus - Évaluer les compromis entre la complexité des architectures, l'intégration des connaissances physiques et les performances atteintes - Formuler des recommandations sur les approches les plus adaptées aux cas industriels étudiés

- Formation Bac+5 (école d'ingénieurs ou master) en intelligence artificielle, mathématiques appliquées ou informatique - Solides connaissances en machine learning et deep learning Maîtrise de Python (PyTorch apprécié) - Rigueur, autonomie et curiosité - Connaissances en modèles de substitution ou méthodes physics-informed appréciées - Bon niveau d'anglais technique
Luogo : Rue des jeunes bois 78117 Châteaufort
Livello d'istruzione minimo richiesto : BAC+5
Lingua / Livello :
Inglese : Fluente

2025-185999-164253 - stage : Modèle algorithmique pour optimisation procédé de tissage F/H

Mon, 12 Oct 2026 22:18:17 Z

Mestiere : Matematica e algoritmi/Mathematiques
Contratto : Stage
Descrizione dell'incarico :
Afin d'assurer son avance technologique sur les matériaux composites tissés en 3D, le centre de recherche Safran Composites poursuit l'optimisation du procédé. Au sein du service Génie des Procédés, vous serez intégré dans l'équipe d'ingénieurs méthodes qui programment les métiers à tisser pour fabriquer des prototypes et pour optimiser la production des pièces série. Le stage va se concentrer sur le pilotage de la position des fils de chaîne lors du tissage. Les fils de chaîne, sous forme d'une nappe, sont séparés en deux couches haute et basse qui forment la foule, permettant l'insertion des fils perpendiculaires dits de trame. Le principe du stage est donc de développer un modèle algorithmique pour optimiser le pilotage de la hauteur de chaque fil pour former une foule nette permettant le bon passage du fil perpendiculaire tout en répondant à une série de contraintes métiers. Les étapes du stage seront : - Analyser et comprendre le besoin d'optimisation de « l'ouverture de foule » - Proposer un modèle algorithmique - Visualisation des résultats par un affichage - Validation du modèle sur métier à tisser Notre équipe te guidera au besoin au cours de ces diverses missions afin de parvenir aux meilleurs résultats.

Tu prépares ta dernière année de diplôme d'ingénieur et tu es spécialisé.e en mathématique. Tu as des compétences en programmation et en simulation. Tu as le goût pour les technologies avancées. Tu es rigoureux/euse, force de proposition et créatif/tive.
Luogo : 33 Avenue de la Gare 91760 Itteville France
Livello d'istruzione minimo richiesto : BAC+5

2026-188530 - Ingénieur-e méthodes numériques transverse F/H

Fri, 09 Oct 2026 00:59:40 Z

Mestiere : Matematica e algoritmi/Mathematiques
Contratto : Contratto a tempo indeterminato
Descrizione dell'incarico :
Rejoignez Safran Aircraft Engines – là où la simulation numérique façonne l'aéronautique de demain ! Présentation de l'entreprise Safran Aircraft Engines est leader mondial dans la conception, la fabrication et la maintenance de moteurs d'avions civils et militaires. L'exigence, la performance industrielle et l'innovation sont au cœur de notre ADN, portées par la diversité des talents et l'excellence technologique. Votre environnement de travail Notre mission principale : Répondre aux enjeux liés aux nouvelles architectures moteurs en fournissant des solutions concrètes, outillées et innovantes pour répondre aux besoins de modélisation et de calculs de nos bureaux d'études. Intégrez la Direction Technique, au sein du département « Méthodologies et Outils du Développement », un centre d'expertise reconnu pour la mise en œuvre des méthodes et outils de simulation numérique. Vous serez impliqué dans la conception et la mise au point de nouvelles méthodes numériques à l'état de l'art, permettant de répondre aux enjeux de conception de composants toujours plus complexes. Vous rejoindrez l'unité "Méthodes et Outils Modules Pluridisciplinaire", composée d'une dizaine de passionnés, pour renforcer notre expertise sur les méthodes de simulation appliquées aux moteurs aéronautiques de demain et participer à l'évolution des outils au service de la conception de nos moteurs d'avion. L'équipe est organisée autour de deux pôles complémentaires : • Chaînage : construction de chaînes de calcul multiphysique (aéro/méca/thermique), via Optimus et Python. • Optimisation : méthodes d'optimisation et modèles de substitution (réseaux de neurones, forêts de régression, ML, IA…) pour exploiter les chaînes paramétriques. Le poste est transverse, orienté principalement optimisation, avec une contribution au pôle chaînage. Au-delà du support aux départements turbines, compresseurs, Fan et intégration, vous contribuerez aussi à la dimension R&D de l'équipe, notamment sur la montée en puissance de l'IA appliquée à la simulation. Vos missions : • Concevoir, développer et faire évoluer des chaînes de calcul multiphysiques (aérodynamique, mécanique, thermique) ainsi que des méthodes d'optimisation associées (modèles de substitution, IA) pour l'exploitation de chaînes paramétriques, au service des bureaux d'études turbines, compresseurs, Fan et intégration. • Garantir le support utilisateurs et la montée en compétence sur l'utilisation des outils de simulation. • Structurer la documentation et accompagner la formalisation des méthodes, en assurant leur validation méthodique. • Participer à la vie de l'équipe. • Être force de proposition sur l'innovation. • Assurer la veille technologique sur la modélisation et contribuer aux feuilles de route. • Représenter l'équipe et la société dans des instances internes Safran et externes au Groupe. Votre expertise sera mise à profit pour : • Supporter le développement de chaines de calcul mult

Profil candidat.e : Compétences techniques : • Formation Bac+5 ou Bac+8 (thèse appréciée), avec au moins 3 ans d'expérience dans le domaine ; • Solides connaissances en simulation numérique et dans au moins un domaine de la physique appliquée (aérodynamique, mécanique ou thermique), avec une bonne compréhension des phénomènes physiques ; • Bonnes pratiques de développement logiciel, maîtrise de Python indispensable ; • Aisance dans la gestion, la manipulation et l'analyse de données ; • La connaissance des turbomachines est fortement appréciée ; • La connaissance d'Optimus et ANSYS est appréciée, ainsi qu'une première expérience en modèles de substitution / apprentissage automatique. Aptitudes personnelles : • Rigueur et curiosité, avec une capacité à travailler aussi bien en équipe qu'en autonomie ; • Bonnes capacités d'analyse, de synthèse et de présentation, avec une vision transverse des problématiques ; • Goût pour le partage des connaissances : capacité à démystifier la complexité et à la rendre accessible ; • Esprit multidisciplinaire : aisance à interagir avec des experts métiers, des ingénieurs de domaine, des spécialistes et des informaticiens ; • Niveau d'anglais professionnel requis.
Luogo : Rond-point René Ravaud 77550 Moissy-Cramayel
Livello d'istruzione minimo richiesto : BAC+5
Lingua / Livello :
Francese : Bilingue
Lingua / Livello :
Inglese : Fluente

2026-188954 - STAGE - Quantification incertitudes appliquée aux instabilités vibratoires des systèmes de freinage F/H

Mon, 05 Oct 2026 12:53:23 Z

Mestiere : Matematica e algoritmi/Mathematiques
Contratto : Stage
Descrizione dell'incarico :
La conception des systèmes de freinage aéronautiques repose aujourd'hui largement sur la modélisation numérique, indispensable pour anticiper leur stabilité vibratoire face à la diversité des conditions de fonctionnement rencontrées en service. Parmi les instabilités vibratoires à maîtriser figure le Whirl, un couplage de modes pouvant conduire à des vibrations auto-entretenues. Sa maîtrise constitue un enjeu de sécurité, de certification et de confort des passagers. Son occurrence reste difficile à prédire, et cette prédiction se complique encore davantage en présence des variabilités et incertitudes aléatoires propres aux conditions réelles de fonctionnement. Ce stage s'inscrit dans un projet porté conjointement par Safran Tech, Safran Landing Systems et le laboratoire LTDS (École Centrale de Lyon), dont l'ambition est de passer d'une approche déterministe à une analyse de fiabilité et de robustesse de ces phénomènes vibratoires. Le stage visera à poser les premières bases de cette démarche probabiliste appliquée au Whirl, en vue de modéliser la probabilité d'occurrence de cette instabilité vibratoire dans le cadre d'une analyse de fiabilité. À partir d'un modèle numérique du phénomène, il s'agira dans un premier temps de réaliser une analyse de sensibilité afin d'identifier les paramètres les plus influents, puis de mettre en œuvre des approches de modélisation statistique et d'apprentissage automatique pour construire un métamodèle. Ces éléments serviront de support à une première analyse de fiabilité du système. Ce stage de 6 mois s'adresse à un étudiant de dernière année d'école d'ingénieur ou M2, avec un profil en quantification d'incertitudes, probabilités/statistiques et apprentissage automatique; des connaissances en dynamique vibratoire des structures et simulation numérique seraient un plus. Il se déroulera dans les locaux de Safran Tech, avec un encadrement conjoint Safran et LTDS, et offre une perspective de poursuite en thèse.

Le sujet convient à un-une candidat-e ayant un profil en quantification d'incertitudes, probabilités/statistiques et apprentissage automatique; des connaissances en dynamique vibratoire des structures et simulation numérique seraient un plus.
Luogo : Rue des jeunes bois 78117 Châteaufort
Livello d'istruzione minimo richiesto : BAC+5

2026-188871 - STAGE : IA générative pour la conception F/H

Fri, 02 Oct 2026 16:23:19 Z

Mestiere : Matematica e algoritmi/Mathematiques
Contratto : Stage
Descrizione dell'incarico :
Contexte En ingénierie, la conception inverse d'une pièce consiste à définir d'abord ses performances attendues et à en déduire des géométries pertinentes permettant d'y parvenir. Grâce aux progrès de l'intelligence artificielle générative dans le domaine de la 3D, il devient envisageable d'élargir l'espace de conception afin d'explorer des formes plus innovantes tout en respectant des critères physiques. Une approche possible consiste à explorer un espace latent encodant les géométries pertinentes, tout en étant guidé par un métamodèle physique prédisant les performances associées. Dans ce stage, nous nous intéressons plus particulièrement aux aubes de compresseur et de turbine utilisées dans des turboréacteurs, pour lesquelles la conception inverse peut faire intervenir des critères d'aérodynamique, de thermique, et de tenue mécanique. Objectifs L'objectif du stage est d'explorer des méthodes d'apprentissage géométrique afin de construire une représentation géométrique pertinente pour la conception générative d'aubes. Une attention particulière sera portée aux difficultés spécifiques aux aubes, à savoir la description précise de formes de faible épaisseur, ainsi que la possibilité de prendre en compte les canaux de refroidissement internes dans le cas des aubes de turbine refroidies. De nombreux modèles génératifs reposent sur un modèle de diffusion ou de flow matching dans un espace latent. La plupart des modèles génératifs 3D existants (e.g. TRELLIS.2) sont relativement précis sur une grande variété d'objets, mais produisent des maillages non utilisables en ingénierie pour des questions de simulation numérique ou de fabricabilité. Ils reposent par ailleurs sur des espaces latents de grande dimension, rendant difficile l'apprentissage de métamodèles physiques sur des bases de données de simulations avec un nombre limité d'exemples. Ce stage propose donc d'explorer différentes méthodes de geometric deep learning afin de construire un espace latent dédié aux aubes de compresseur et/ou de turbine. La construction d'un tel espace latent repose généralement sur des auto-encodeurs variationnels (VAE), assurant une certaine continuité de la représentation géométrique apprise, propriété essentielle pour les approches génératives. Le stage consistera à tester différentes architectures de modèles (e.g. Perceiver IO et décodeurs implicites type neural fields), différentes fonctions de perte, ainsi que différentes représentations géométriques des entrées et des sorties. Ces travaux s'appuieront sur une base de données interne composée de géométries réelles et de géométries synthétiques. En fonction des résultats obtenus, il sera possible d'évaluer l'apport de la représentation géométrique apprise sur des applications concrètes telles que la méta-modélisation physique, la conception générative, et l'apprentissage accéléré et robuste de représentations géométriques pour de nouvelles aubes plus complexes.

• Formation en mathématiques appliquées / intelligence artificielle. • Maîtrise de la programmation orientée objet en Python. • Expérience de base en deep learning avec PyTorch. • Intérêt pour la recherche appliquée et la conception 3D en ingénierie. • Capacité à travailler de manière autonome et en collaboration dans un environnement de recherche.
Luogo : Rue des jeunes bois 78117 Châteaufort
Livello d'istruzione minimo richiesto : BAC+5
Lingua / Livello :
Inglese : Fluente

2026-188949 - Stage - IA agentique pour l'exploitation des données de banc d'essais moteur aéronautique F/H

Wed, 30 Sep 2026 13:17:43 Z

Mestiere : Matematica e algoritmi/Mathematiques
Contratto : Stage
Descrizione dell'incarico :
Safran est un groupe international de haute technologie, leader mondial dans les domaines de l'Aéronautique, de l'Espace, de la Défense et de la Sécurité. Au sein de Safran Tech, le centre de R&T du groupe, l'Unité de Recherche Safran Tech Artificial Intelligence Research (S.AI.R) développe des méthodes innovantes d'intelligence artificielle et de mathématiques appliquées pour l'exploitation et le traitement des données du groupe. Dans les activités de motoriste aéronautique, les campagnes d'essais moteur produisent des données massives, multimodales et hétérogènes – séries temporelles basse et haute fréquence, logbooks textuels, images - que les bureaux d'études exploitent aujourd'hui de manière manuelle, essai par essai, souvent de façon univariée. Ce goulot d'étranglement ralentit les boucles de conception et laisse échapper des anomalies capteurs ou moteur avant la fin de campagne. Pour y répondre, l'équipe déploie un système agentique sur l'infrastructure interne pour accélérer l'analyse des données. L'agent fonctionne selon un modèle multi-agents : un orchestrateur décompose la tâche et délègue à des profils spécialisés (data science, aéronautique, traitement du signal, machine learning…), chacun avec ses propres instructions systèmes, mémoire, contexte, compétences … Ce stage consiste à configurer, enrichir, entrainer, et évaluer le travail généré par ce système agentique sur les campagnes d'essais moteur : 1. Configurer l'agent dans l'environnement en adaptant les profils, compétences, instructions, bases de connaissances des agents et orchestrer le fonctionnement de l'équipe multi-agents. 2. Construire la chaine de bout-en-bout de la compréhension du projet et de l'exploitation des données jusqu'à la génération de livrables reproductibles (notebooks, rapports) avec traçabilité (code source, figures). 3. Cartographie, présentation et visualisation en explorant les données de banc multivariées et multimodales et produire des visualisations explicatives adaptées. 4. Détection des pannes de capteurs (et moteur) parmi une quantité importante de capteurs et mesures. 5. Détection d'anomalies de banc en appliquant des méthodes de détection non supervisée (isolation forest, ruptures, autoencodeur, …) et mesurer leurs performances (précision, rappel, faux positifs). Ce stage sera en collaboration avec la société du groupe, Safran Aircraft Engines, qui réalise et dépouille les campagnes d'essais moteurs et qui apportera son support métier. Bibliographie : • Karl Löwenmark et al., Agent-based Condition Monitoring Assistance with Multimodal Industrial Database Retrieval Augmented Generation, 2025, https://arxiv.org/pdf/2506.09247 • Chen, Yilong, et al., LLM Agents for Time-Series: A Survey, 2026, https://arxiv.org/pdf/2608.26226 • Nathan Lévêque et al., Density-based isolation forest, 2025 IEEE.

Niveau d'étude : Master universitaire, Diplôme d'Ingénieur ou équivalent avec formations en Machine Learning, Data Science, Natural Langage Processing (NLP), Large Language Models (LLMs), Mathématiques, Informatique ou dans un domaine technique pertinent. Compétences : Git, Linux, Python, IA agentique, méthodologie scientifique, organisation Langues : Anglais pour lecture scientifique + communiquer
Luogo : Rue des jeunes bois 78117 Châteaufort
Livello d'istruzione minimo richiesto : BAC+5

2026-188821 - Ingénieur R&D IA et mathématiques appliquées pour l'industrie 4.0 F/H

Wed, 30 Sep 2026 00:57:33 Z

Entità di riferimento : Safran è un gruppo internazionale ad alta tecnologia che opera nei settori dell'aeronautica (propulsione, equipaggiamenti e interni), dello spazio e della difesa. La sua missione è contribuire in modo sostenibile a un mondo più sicuro, dove il trasporto aereo diventi sempre più rispettoso dell'ambiente, confortevole e accessibile. Presente in tutti i continenti, il Gruppo impiega 110.000 collaboratori e ha registrato un fatturato di 31,3 miliardi di euro nel 2025. Safran occupa, da sola o in partnership, posizioni di leadership a livello mondiale o europeo nei propri mercati. Safran si è classificata al secondo posto nel settore Aerospazio e Difesa nella classifica “World's Best Companies 2025” della rivista TIME. Occupando posizioni di leadership a livello mondiale, Safran Aero Boosters progetta, sviluppa e produce sottoinsiemi, apparecchiature e banchi prova per motori aeronautici e spaziali. Con sede in Belgio, Safran Aero Boosters dispone di due filiali negli Stati Uniti e riunisce il know-how di 2.000 talenti.
Mestiere : Matematica e algoritmi/Mathematiques
Contratto : Contratto a tempo indeterminato
Descrizione dell'incarico :
Dans le cadre de ses activités de recherche et technologie (R&T) dans le domaine de l'IA et les mathématiques appliquées en industrie 4.0 à Safran, vous renforcez les capacités du groupe en mathématiques appliquées pour la performance, la robustesse et l'adaptabilité de systèmes industriels. Dans ce cadre, au sein d'une unité de recherche internationale (interactions fortes avec Safran Tech France et les centres de recherche Belge) et pluridisciplinaire (machine learning, deep learning, genAI, apprentissage par renforcement, statistiques, optimisation, agentique et modèles de fondation…), vous participerez au développement de méthodes innovantes visant à proposer des stratégies en rupture sur la thématique de l'industrie 4.0. Vous construirez un socle méthodologique durable et réutilisable, déclinable sur plusieurs programmes, métiers et générations d'outils sur un horizon long terme. Missions & Activités Au sein de Safran Tech Belgique, vous aurez à définir et conduire, pour le compte des Sociétés du Groupe Safran des actions de recherche et de développement des méthodologies IA au service de l'industrie 4.0. Vous aurez pour objectifs de :- • concevoir des méthodes de décision et d'optimisation robustes pour des systèmes industriels complexes • structurer des cadres d'évaluation scientifique et industrielle pérennes • garantir la continuité entre recherche amont, maturation technologique et déploiement opérationnel • contribuer à la stratégie scientifique du groupe et à la souveraineté des compétences clés Vous serez chargé des missions suivantes : 1. Recherche et expertise • Réaliser la veille scientifique et technique • Formaliser les états de l'art, identifier les gaps technologiques à combler • Interagir avec les clients internes et externes en lien avec la R&T Safran pour comprendre et assimiler leurs besoins, puis les décliner en termes de d'enjeux scientifiques et technologiques • Prioriser et sélectionner les sujets les plus prometteurs, d'intérêt transverse Safran • Construire les logiques de recherche, aider au montage des projets de recherche, en concertation avec les équipes de Safran Tech, Safran Aero Booster, Safran Blades et des centres de recherche belges 2. Développement et innovation • Concevoir des modèles génériques réutilisables au-delà du cas d'étude ponctuel • Développer des solutions technologiques mettant en œuvre des méthodes à l'état de l'art académique, permettant la transformation numérique des systèmes industriels- Valorisation et rayonnement • Publier dans des revues et conférences, contribuer à la visibilité du groupe • Participer aux réseaux internes et externes d'échanges scientifiques • Co-encadrer des stages et thèses • Structuration des compétences • Capitaliser les méthodes, standards et retours d'expérience • Contribuer à la montée en compétence collective (formation, mentoring, référentiels)

Vos compétences techniques : - Vous êtes titulaire d'un doctorat, et vous justifiez d'une expérience dans le domaine de l'IA et des mathématiques appliquées, avec éventuellement une spécialisation en recherche opérationnelle, optimisation sous contraintes, apprentissage par renforcement ou IA pour systèmes complexes. Lors de vos travaux précédents, vous avez utilisé et développé des outils d'IA pour mener à bien vos projets autour de l'industrie 4.0. - Connaissance de la gestion de la production industrielle - Excellentes connaissances en : • mathématiques appliquées (optimisation, modélisation de problèmes) • machine learning & IA (apprentissage par renforcement) • Solides compétences en python • Bonnes compétences de communication orale et écrite • Bonnes compétences de pédagogies et capacité à convaincre • Capacité à travailler dans une équipe multidisciplinaire • Familiarité avec les enjeux de l'industrie 4.0 Langues : Anglais courant Vos soft skills : - Créativité - Goût pour l'innovation - Curiosité scientifique - Envie d'apprendre
Luogo : 121 Route de Liers, 4041 HERSTAL
Livello d'istruzione minimo richiesto : DOCTORAT
Lingua / Livello :
Francese : Fluente
Lingua / Livello :
Inglese : Fluente

2026-219170-188751 - STAN Lead Scientist F/H

Tue, 29 Sep 2026 13:51:00 Z

Mestiere : Matematica e algoritmi/Mathematiques
Contratto : Contratto a tempo indeterminato
Descrizione dell'incarico :
Le Groupe souhaite développer sa recherche autour de l'intelligence artificielle afin d'assister ses concepteurs et d'enrichir ses produits. SafranTech Amérique du Nord (STAN), est l'antenne québécoise de Safran Tech France, le centre de recherche du Groupe Safran, récemment créée à cet effet. Elle développe à Montréal des activités de recherche consacrées à l'ingénierie système, au contrôle-commande, à l'intelligence artificielle embarquée et à l'intelligence artificielle appliquée aux matériaux. Cette nouvelle implantation doit permettre à Safran de bénéficier de la proximité avec l'écosystème universitaire québécois, de premier plan mondial sur les technologies d'IA, ainsi que du tissus partenarial associé. En qualité de Lead Scientist / Responsable scientifique, vous définissez, orientez et pilotez l'exécution du programme scientifique sur ses quatre axes de recherche autour de la thématique générale « IA pour les systèmes complexes », en lien étroit d'une part avec l'écosystème universitaire et partenarial local, et d'autre part le pôle Sciences et Technologies du Numérique de Safran Tech France. Vos responsabilités • Définir les orientations scientifiques du programme de recherche. • Piloter son exécution sur les quatre axes technologiques : ingénierie système, IA pour les matériaux, IA embarquée et IA pour le contrôle commande. • Assurer la cohérence scientifique des travaux conduits par les chercheurs et doctorants. • Assurer la délégation de l'audit technique SafranTech en local. • Développer les interactions avec le tissu universitaire et partenarial local. • Orienter les recherches vers des applications concrètes pour l'ingénierie, les systèmes embarqués, le contrôle-commande et les matériaux. • En tant qu'expert, sur ses domaines d'expertise, participer aux feuilles de routes technologiques et orienter / conseiller le Groupe.

Le poste requiert un niveau de reconnaissance scientifique Expert émérite / Fellow Expert. La personne recherchée devra être en mesure de porter une vision scientifique transverse, d'orienter le programme couvrant quatre domaines technologiques et d'en piloter l'exécution en interaction avec l'écosystème universitaire et partenarial local, en étroite collaboration avec SafranTech France.
Luogo : Montreal
Livello d'istruzione minimo richiesto : BAC+5