Stage ingénieur : Intelligence Artificielle appliquée à la Compatibilité Électromagnétique (CEM) dans le cadre du projet CEMASURF (H/F)

NXP Semiconductors recrute un stagiaire ingénieur pour travailler sur l’intelligence artificielle appliquée à la compatibilité électromagnétique, dans le cadre du projet CEMASURF. Le poste est à pourvoir sur site à Toulouse, en France, et s’inscrit dans l’équipe EMC/ESD au sein de l’organisation CTO, qui veille à la robustesse des circuits et systèmes électroniques face aux perturbations électromagnétiques et électrostatiques.

Le stage vise à développer des méthodes permettant de mieux comprendre les interactions entre CEM et la sûreté de fonctionnement des systèmes électroniques. Le projet, mené avec des partenaires académiques et industriels, cherche à automatiser les essais, exploiter les données de mesure et appliquer des technologies d’IA pour gagner en efficacité lors des campagnes de validation.

Ce poste s’adresse à un étudiant en Master 2 ou en dernière année d’école d’ingénieur, passionné par la donnée et l’électronique, qui aime transformer des résultats en indicateurs concrets et qui souhaite voir comment les simulations et les mesures CEM s’articulent dans des environnements embarqués.

Des signaux et des données pour avancer ensemble

Au cœur du stage, le candidat contribuera au développement d’approches d’analyse de données EMC reposant sur l’intelligence artificielle et le machine learning. Il travaillera sur la collecte, l’organisation et l’analyse des données issues d’essais EMC automatisés, en veillant à structurer ces ensembles pour faciliter leur traitement et leur visualisation par l’équipe et les partenaires du consortium.

Il explorera différentes méthodes de ML pour la classification ou la détection d’anomalies dans les mesures EMC, et cherchera à établir des corrélations utiles entre les simulations et les résultats expérimentaux. L’objectif est de faire émerger des indicateurs qui permettent d’identifier automatiquement les risques de non-conformité ou de dysfonctionnement, afin de guider les actions d’optimisation.

Par ailleurs, le stagiaire participera à l’automatisation des rapports d’essais et à la valorisation des résultats, en préparant des livrables et en partageant régulièrement les avancées avec l’équipe projet et les partenaires du consortium.

Ce qu’il faut maîtriser et ce qui peut faire la différence

• Étudiant en Master 2 ou en dernière année d’école d’ingénieur, orienté électronique, intelligence artificielle ou systèmes embarqués
• Maîtrise du langage Python et des bibliothèques dédiées au traitement de données (NumPy, Pandas, Scikit-learn, Matplotlib)
• Connaissances en analyse de données et en statistiques
• Notions de machine learning
• Connaissances en électronique ou systèmes embarqués

• Des notions en compatibilité électromagnétique (CEM) seraient un plus

Rémunération et détails pratiques

Le stage est à temps plein et se déroule sur site à Toulouse, FR, au sein de l’équipe EMC/ESD de la division CTO. Le texte ne précise pas le niveau de rémunération ni les autres conditions associées, mais l’intitulé et le cadre indiquent une immersion directe dans un environnement industriel et académique.

Pour les personnes intéressées, ce sera l’occasion de travailler avec des partenaires du consortium et de présenter régulièrement les progrès et les résultats à l’équipe et aux partenaires du projet.

Plus d’informations sur NXP en France...

Conseils pour les candidat·e·s

Placez dès le haut de votre CV votre statut actuel et votre formation, en précisant que vous êtes en Master 2 ou en dernière année d’école d’ingénieur avec une spécialisation en électronique, IA ou systèmes embarqués, et mettez en avant vos projets qui touchent à l’analyse de données et à l’emcr ou à l’IA appliquée.

Montrez vos compétences Python et ML avec des projets concrets qui utilisent NumPy, Pandas, Scikit-learn et Matplotlib, et décrivez les résultats obtenus, pas seulement les technologies utilisées.

Préparez des exemples où vous avez relié des simulations à des mesures réelles, en expliquant comment vous avez identifié des tendances, des corrélations ou des anomalies, et comment cela a influé sur des décisions techniques.

Envisagez une question ciblée à poser lors de l’entretien sur le flux de travail des données et les indicateurs automatiques: par exemple, demandez comment les données EMC sont collectées et structurées, quel est le pipeline de traitement, et quels types de visualisations ou de rapports sont générés pour soutenir les décisions du consortium.