Alternance DATA SCIENCE : Outils et modèles de prévision du trafic Voyageur

Vous assisterez les 2 data scientists du pôle dans les évolutions de son écosystème data, et vous contribuerez aux missions suivantes :

• mettre en oeuvre la transformation des outils de prévision. Coder, tester, calibrer, valider chaque nouvelle version en coopération étroite avec les utilisateurs, challenger les pistes d'amélioration envisagées et le cas échéant proposer d'autres approches ;

• contribuer à la mise en place d'une zone business dédiée au sein de la plateforme data TGV ;

• exploiter la base de données pour répondre aux demandes d'analyses ponctuelles et enrichir le cas échéant les rapports de Data Visualisation ;

• sur base d'agents IA, développer un outil permettant d'exploiter efficacement la masse de données métiers non structurées, de toutes natures (documents, tableaux, graphiques...) et de tous formats (Excel, Word, pdf, mails, images...) accumulées au fil des études, et créer un « pont » avec les bases de données structurées et outils du pôle.

• Javascript
• Excel
• Python
• SQL, Maîtrise de Python (orientée Data science) - SQL - JavaScript

• Curiosité - Initiative - Capacité d'adaptation - Force de proposition - Rigueur - Esprit d'équipe

Conditions d'exercice de la mission:

• Lieu : CAMPUS VOYAGEURS - 1-3 rue Camille Moke - 93212 LA PLAINE SAINT DENIS

• 35h/semaine - Horaires : 9h -17h - Pas de déplacements.

L'alternant(e) utilisera des données confidentielles. Le contrat d'alternance inclura une clause de confidentialité, y compris pour le rapport d'alternance (contenu et diffusion).

Date de début souhaitée: Septembre 2026

Durée: 1 an

Alternance DATA SCIENCE : Outils et modèles de prévision du trafic VoyageurSNCF, Au sein de la Direction Développement TGV Europe, la Direction Stratégie et Performance des dessertes et marchés est en charge des études de prévision de trafic à moyen/long terme ainsi que des études d'optimisation des dessertes TGV. A cette fin elle s'est dotée d'une base de données très détaillées et a développé ses propres modèles et outils prédictifs, qui doivent être continument améliorés dans un contexte de forte évolution du marché et des pratiques de mobilité.