Stage · Sagemcom2026Industrial Data Analytics Platform
Comment détecter, expliquer et explorer en langage naturel les anomalies et les risques de données industrielles ?
Une plateforme d'analyse pilotée par l'IA, réalisée pendant mon stage chez Sagemcom, pour détecter les anomalies, prédire les risques et superviser des données industrielles. Elle combine des pipelines ML avec détection de dérive, un assistant multi-agents pour l'analyse conversationnelle et le reporting automatisé, et une interface React + FastAPI avec tableaux de bord en temps réel.
- Mon rôle
- Stagiaire IA / ML : pipelines ML, système multi-agents et interface full-stack
- Durée
- 3 mois (juin – août 2026)
- Plateformes
- Web, IA
- Stack
- Python
- LightGBM
- LangGraph
- FastAPI
- React
- Scikit-learn
- SHAP
- MLflow
- LangChain
- pandas
- NumPy
- SciPy
- Groq API
- SQLite
- Docker
- Machine learning
Situation
Stage chez Sagemcom (juin – août 2026). L’objectif : une plateforme d’analyse pilotée par l’IA pour détecter les anomalies, prédire les risques et superviser des données industrielles.
Produit
- Tableaux de bord interactifs, KPI et analyses sur les données industrielles.
- Un assistant conversationnel pour analyser les données, générer des rapports automatiquement et travailler avec des fichiers Excel.
- Des prédictions expliquées avec SHAP.
- La supervision des agents IA, diffusée en temps réel (SSE).
Système
- Pipelines ML : Isolation Forest et LightGBM, valeurs manquantes imputées avec KNNImputer, détection de dérive statistique avec PSI et tests de Kolmogorov–Smirnov.
- Agents : système multi-agents construit avec LangGraph et LangChain, sur l’API Groq.
- MLOps : suivi des expériences et gestion des modèles avec MLflow ; SHAP pour l’interprétabilité.
- Application : front React (Vite), back FastAPI avec streaming SSE, SQLite, Docker.