Ingénieur expérimenté en optimisation H/F
Palaiseau (91)
CDD
Systèmes d'informations / Télécom / Développement
Gestion de Projets
10 ans et plus
Bac +5 et plus
De 60 000 € à 70 000 € par an
Description
La mission de OneTech est d'apporter l'expertise technique, scientifique et numérique nécessaire à la conception des projets de développement de TotalEnergies, ainsi qu'à l'accompagnement des opérations et à la mise en œuvre des projets dans l'ensemble de ses activités industrielles à travers le monde. OneTech porte également l'ambition technologique de l'entreprise et met en œuvre des solutions numériques afin d'exploiter au mieux nos actifs industriels. En concentrant l'expertise au sein de OneTech dans le cadre d'une approche transversale et multi-secteurs, l'entreprise capitalise sur les connaissances de tous ses experts industriels et stimule le développement des compétences dans tous les domaines énergétiques, ce qui renforce sa capacité d'innovation dans le but de déployer son excellence opérationnelle. Integrated Power Modelling (IPM) de OneTech, soutient l'ambition technologique de TotalEnergies dans la digitalisation de la chaîne de valeur des énergies renouvelables. Les produits de la plateforme Origination & Design visent à améliorer la conception des projets, l'évaluation du productible et des coûts, afin de maximiser la valeur des projets renouvelables et des actifs futurs. Vous rejoindrez une équipe dédiée attachée à la collaboration et au soutien mutuel et vous aurez les responsabilités suivantes : * Vous agirez en tant que référent·e technique et lead sur les sujets d'optimisation : choix algorithmiques, approches de modélisation, outils et écosystèmes externes. * Vous piloterez la conception et le développement de méthodes d'optimisation avancées pour répondre à des problématiques industrielles complexes, couvrant un large spectre d'applications métier. * Vous contribuerez à la feuille de route technique des composants d'optimisation, en réalisant des choix architecturaux garantissant la scalabilité, la robustesse et la maintenabilité à long terme des logiciels. * Vous porterez la mise en œuvre de fonctionnalités à fort impact, en améliorant les performances de calcul, la stabilité numérique et la qualité globale du code, tout en appliquant les meilleures pratiques de génie logiciel. * Vous cadrerez et piloterez des cas d'usage métier, en collaboration étroite avec les chefs de projet et experts techniques, afin de traduire les besoins opérationnels en modèles et solutions d'optimisation robustes. * Vous évaluerez et piloterez l'adoption de solutions externes, en veillant à leur adéquation avec les besoins produits, leur robustesse et leur valeur ajoutée. * Vous serez un·e référent·e technique en optimisation pour l'équipe. * Vous piloterez le cadre de documentation technique des produits. * Vous conduirez ou contribuerez à des travaux de recherche avancés en modélisation et stratégies de résolution, et assurerez leur industrialisation dans les produits.
Profils recherchés
L'ingénieur expérimenté optimisation aura une expérience de minimum 10 ans : * Diplôme d'ingénieur ou universitaire en optimisation mathématique / recherche opérationnelle. * Solides compétences mathématiques, en particulier en optimisation, modélisation numérique et statistiques, avec une capacité à traduire des problématiques métier complexes en formulations robustes (MILP / MNLP). * Optimisation combinatoire : bonne maîtrise des heuristiques et métaheuristiques (GA, PSO, CMA-ES) appliquées à des problèmes NP-difficiles. * Forte expérience avec les solveurs (Gurobi, CPLEX, CBC, IpOpt, GAMS…) et les bibliothèques de modélisation (Pyomo, PuLP…). * Excellente maîtrise de Python et expérience dans le développement de solutions logicielles de niveau industriel ; pratique des outils de versioning et de collaboration (GitHub, GitLab, Azure DevOps). * Compétences transverses : rédaction technique, mentorat, leadership technique, pédagogie et esprit d'équipe. * Anglais professionnel courant (le français est un plus). * Connaissances en Machine Learning (approches hybrides ML-optimisation) est un plus. * Expérience en optimisation sous incertitude (optimisation stochastique, robuste, par scénarios) est un plus.