> Markdown version of [/jobs/ext/2992083-alternance-ingenieur-jumeaux-numerique-machine-learning-h-f](https://www.wearedevelopers.com/jobs/ext/2992083-alternance-ingenieur-jumeaux-numerique-machine-learning-h-f). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md). --- # Alternance - Ingénieur Jumeaux Numérique & Machine Learning H/F - **Company:** Cetim - **Location:** Inconnu, France - **Experience:** Internship - **Contract:** Internship / Graduate position - **Skills:** Computer-Aided Design, Artificial Intelligence, Augmented Reality, Data Architecture, Interoperability, Python (Programming Language), Machine Learning, Tensorflow, Simulation Software, Digital Twin, Pytorch, Scikit Learn, Data Management, Ansys - **Published:** September 19, 2026 - **Apply:** https://www.stage.fr/application-redirect/?listing_id=11569124 ## About the Role Type de contrat: Alternance Niveau de formation : contrat d'apprentissage Bac +5 cursus ingénieur ou Master universitaire avec une spécialisation en calcul de structures / mécanique numérique et une forte sensibilité Data Science / IA (ou réciproque) d'abord Data Science / IA puis forte sensibilité à l'ingénierie mécanique. Période : à partir de septembre 2026 pour une durée de 3 ans Compétences : - Connaissances générales en mécanique (conception, matériaux, modes d'endommagement, calcul...) - Programmation Python et bonne connaissance des bibliothèques de machine learning (Scikit-Learn, - TensorFlow, PyTorch). - Bases en simulation par éléments finis et en modélisation multiphysique - Connaissances en conception mécanique et CAO Qualités : - Être sociable, curieux, communicatif, avec un bon esprit d'équipe. - Être organisé, rigoureux et méthodique. - Avoir un esprit critique et toujours se remettre en question. ## Description (étanchéité statique, dynamique, quasi-statique) et en analyse de défaillances. A travers des projets R&D ou en collaboration avec des partenaires industriels et académiques, les équipes visent à fournir des solutions innovantes pour répondre aux besoins de l'industrie mécaniciennes. Ce poste se situe à l'intersection de la mécanique numérique, des jumeaux numériques et de l'intelligence artificielle : - Composante technique : simulation par éléments finis, modélisation, réduction de modèles et machine learning. - Dimension industrielle : instrumentation, architecture de données, protocoles IoT et interopérabilité. - Positionnement : approche hybride pour allier lois physiques, performance prédictive et explicabilité. - Profil : candidat(e) capable de dialoguer avec des mécaniciens, data scientists et partenaires de recherche. Contexte : Le projet stratégique GI-JOE (Génération et Intégration des Jumeaux numériques pour l'Offre solutions industrie du futur Étendue) a pour objectif de rendre le jumeau numérique accessible aux PME mécaniciennes françaises. Dans ce cadre, l'Axe 2 du projet « Méthodes et Outils »porte sur l'adaptation des méthodes et des outils afin de proposer une approche générique, robuste et facilement déployable. L'alternant(e) interviendra sur l'évolution des équipements et structures mécaniques vers des couplages capables de remonter des données, de mettre à jour automatiquement leur modèle numérique et d'orienter les décisions d'exploitation ou de maintenance, dont la finalité est de transformer les installations industrielles classiques en systèmes intelligents, connectés et communicants : Jumeau physique Modèle numérique Ombre numérique Jumeau numérique Jumeau cognitif Jumeau autonome Missions : Développement des modèles virtuels - Modélisation multiphysique : Concevoir et/ou exploiter des modèles fondés sur les lois physiques (mécanique, thermique, fluidique) à l'aide d'outils tels que Code\_Aster, Ansys ou de bibliothèques libres sous OpenModelica. - Intelligence artificielle : Développer des algorithmes de machine learning pour la classification de défauts, l'estimation de paramètres critiques et la prévision de séries temporelles issues de capteurs. - Hybridation : Construire des modèles hybrides informés par la physique, combinant rigueur mécanique, performances prédictives et explicabilité des résultats. - Réduction de modèles (ROM) : Mettre en oeuvre des techniques de réduction de modèles, notamment via la plateforme Mordicus, afin d'obtenir des temps de calcul compatibles avec un usage quasi-temps réel. Jumeau physique et architecture de données - Optimisation de l'instrumentation : Contribuer à la définition du positionnement, du nombre et de la sensibilité des capteurs (pression, déformation, vibration) afin d'assurer une acquisition de données pertinente. - Gestion des données IIoT : Contribuer à la structuration de l'architecture de données (transfert, stockage en edge ou cloud) ainsi qu'aux interfaces de communication via des protocoles industriels Couplage et aide à la décision - Mise à jour automatique : Définir des stratégies de recalage automatique du modèle numérique à partir des données du jumeau physique, en intégrant la détection d'écarts acceptables et la fréquence d'actualisation. - Tableaux de bord et visualisation : Concevoir des outils d'aide à l'exploitation pour l'opérateur sous forme de tableaux de bord interactifs et, si besoin, de solutions de visualisation en réalité augmentée pour la maintenance prédictive. L'alternant(e) évoluera dans un environnement de pointe, au croisement de l'ingénierie mécanique traditionnelle et des usages numériques de l'Industrie 4.0. Le poste donne accès à des moyens d'essais performants, à des partenaires scientifiques de haut niveau ainsi qu'à des outils de simulation avancés, dans un environnement favorable à l'innovation, à la recherche appliquée et au développement des soft skills, avec une attention particulière portée aux valeurs humaines. ## Related Videos - [The 2026 Talent Pivot: Essential Trends for an Evolving Workforce](https://www.wearedevelopers.com/videos/100098-the-2026-talent-pivot-essential-trends-for-an-evolving-workforce) - [Machine learning in the browser with TensorFlowjs](https://www.wearedevelopers.com/videos/155-machine-learning-in-the-browser-with-tensorflowjs) - [Cloud Vendor Lock-In - Is it just a new version of the Database Abstraction Layers?](https://www.wearedevelopers.com/videos/1185-cloud-vendor-lock-in-is-it-just-a-new-version-of-the-database-abstraction-layers) - [Photonic Computing: Programming a New Class of AI Accelerators (incl. Live Coding)](https://www.wearedevelopers.com/videos/100196-photonic-computing-programming-a-new-class-of-ai-accelerators-incl-live-coding) - [How We Built a Machine Learning-Based Recommendation System (And Survived to Tell the Tale)](https://www.wearedevelopers.com/videos/752-how-we-built-a-machine-learning-based-recommendation-system-and-survived-to-tell-the-tale) - [Serverless deployment of (large) NLP models ](https://www.wearedevelopers.com/videos/158-serverless-deployment-of-large-nlp-models) ## Related Articles - [Best Coding Boot Camps in Germany](https://www.wearedevelopers.com/magazine/237-best-coding-boot-camps-in-germany) - [System change: restart as developer?](https://www.wearedevelopers.com/magazine/39-system-change-restart-as-developer) - [Best Companies to Work For in Paris: Top 25 Companies in 2023 ](https://www.wearedevelopers.com/magazine/190-best-companies-to-work-for-in-paris-top-25-companies-in-2023) - [Best Companies to Work For in France: Top 25 Companies in 2023 ](https://www.wearedevelopers.com/magazine/189-best-companies-to-work-for-in-france-top-25-companies-in-2023) - [Top 6 Hackathons for Developers in 2023](https://www.wearedevelopers.com/magazine/263-top-6-hackathons-for-developers-in-2023) - [Where to Find Entry-Level Software Engineering Jobs](https://www.wearedevelopers.com/magazine/397-where-to-find-entry-level-software-engineering-jobs)