Développement de modèles d'IA pour la prévision météorologique à très courte échéance F/H

Expert public de la météo et du climat, Météo-France est à vos côtés pour contribuer à votre sécurité au quotidien et vous aider à prendre les meilleures décisions, dans un climat qui change. Face à des épisodes météo dangereux encore plus intenses et plus fréquents sous l’effet du changement climatique, nos missions au service de votre sécurité sont cruciales. Nous mobilisons notre expertise, notre excellence scientifique et technologique pour vous permettre d’anticiper les phénomènes météorologiques et climatiques à enjeux, et de vous y adapter.

Retrouvez-nous en ligne : https://meteofrance.com/carte-didentite-de-meteo-france

Rejoindre Météo France, c'est intégrer une organisation multi-sites, situés en hexagone, en Outre-mer, etc. L'organisation de Météo-France s'appuie sur des directions centrales et des directions interrégionales. Ci-dessous, la présentation de la direction que vous pourriez rejoindre :

Le département Prévision Immédiate (PI) de la Direction des Opérations (DirOP) a pour mission de développer et de maintenir des productions visant à avertir, le plus fréquemment et rapidement possible, de phénomènes météorologiques de temps sensible et à les prévoir jusqu'à 6h d'échéance.

Ces productions s'appuient sur les mesures in-situ, les observations de foudre, les données radar, l'imagerie issue des satellites géostationnaires, le modèle de prévision numérique AROME. Les méthodes employées se basent sur le traitement d'image, la prévision numérique et plus récemment sur l'IA.

Les principaux usagers sont le grand public, l'institutionnel, le secteur aéronautique, les prévisionnistes.
Son effectif est, au 1/05/2025, de 10 personnes dont 1 CDD.

Pourquoi nous rejoindre ?

Embarquez pour une aventure stimulante et au service de tous aux côtés d’hommes et de femmes engagés quotidiennement face aux défis posés à notre société par la météo et le climat. Et ainsi bénéficiez des avantages suivants : horaires flexibles, RTT, télétravail, restaurant administratif ou ticket restaurant, participation à hauteur de 75% pour les transports en commun, participation pour la mutuelle, associations sportives et culturelles en fonction du site concerné, (escalade, gym, poterie, théâtre etc..).

D'autres avantages vous attendent, venez les découvrir !

L’apprenti contribuera à la R&D et au développement de modèles de Prévision Immédiate (PI) basés sur de l’apprentissage profond (IA). Le but est de progresser dans la prévision à quelques heures d’échéance de la quantité et du type de précipitations, d'objets orageux, et de variables spécifiques pour l'aéronautique ou pouvant intéresser de nouveaux usagers comme le secteur énergie.

Dans une optique de formation, différents modèles d'IA maîtrisés en interne seront tout d'abord pris en main, entraînés puis appliqués à des mesures de radar situés outre-mer pour y proposer une première PI des pluies.

L'environnement ANEMOI, développé par le CEPMMT (Centre Européen de Prévisions Météorologiques à Moyen Terme) auquel le CNRM (Centre National de Recherche Météorologique) contribue, sera ensuite utilisé dans le but de tester des réseaux de neurones basés sur des graphes (GNN), réseaux particulièrement adaptés à des jeux de données de natures et de géométries différentes. Des paramètres prévus par le modèle AROME seront ainsi combinés avec diverses observations, spatialisées ou non, pour apprendre et évaluer le modèle.

Le travail sera effectué en étroite collaboration avec divers agents de l'équipe ayant une expérience en IA, ainsi qu'avec les collègues du CNRM impliqué dans ANEMOI. A terme, des applications opérationnelles sont visées. 

Les objectifs du poste nécessitent d'avoir des notions :
- en constitution, manipulation et exploration de bases de données de grandes dimensions
- de base sur les modèles prédictifs de Deep Learning : architecture, entraînement, validation, inférence
- dans la visualisation et l'interprétation de résultats

Les développements se feront majoritairement en Python et utiliseront les librairies scikit-learn, Pytorch et
TensorFlow. Le système d'exploitation de l'environnement de travail sera en Unix.

Des notions sur la physique de l'atmosphère et la modélisation météorologique seraient un plus.

L'apprentissage permettra à l'étudiant ou à l'étudiante d'approfondir ses connaissances théoriques et techniques sur chacune de ces thématiques.

Une bonne connaissance de l'anglais est souhaitée.