Ingénieur Big Data & IA — Stage
SFR · Altice FranceD'un besoin métier à une solution Big Data & IA déployée sur le cloud et adoptée par les équipes.
Division Mobile Engineering — « IA-Audit Radio » : audit automatique d'orientation d'antennes 5G
- Conçu et industrialisé un outil détectant les défauts d'orientation (azimut / tilt) de ~30 000 cellules 5G — une alternative 100 % logicielle au module matériel dédié (~250 €/unité), réutilisant les données déjà collectées.
- Développé un pipeline Big Data de bout en bout (DuckDB) fusionnant ~1,5 milliard de mesures et 3 sources hétérogènes — audit complet du parc en ~15 min.
- Estimé l'orientation par statistique directionnelle (triangulation de 3 méthodes + score de confiance) et métriques de forme (IoU) ; comparé des modèles de deep learning (auto-encodeur, CNN), écartés en prod au profit d'une méthode plus robuste et explicable.
- Détecté ~4 100 anomalies réelles (13,8 % du parc) à corriger en priorité — ciblage des interventions terrain, plusieurs M€ de coûts potentiellement évités, sur un audit rejouable chaque mois.
- Industrialisé : conteneurisation Docker (API, frontend, batch), déploiement GCP, app web FastAPI / React, formation des équipes internes.
La mission d'un opérateur télécom : offrir une qualité de service irréprochable — ce qui passe par une bonne couverture radio sur tout le territoire, assurée par des milliers de pylônes. Chaque pylône porte 3 antennes, orientées pour couvrir chacune ~120°. Problème : sur le terrain, la couverture réelle ne correspond pas toujours à ce qui a été planifié en interne — il faut donc vérifier cette conformité. Or déployer des équipes partout, en permanence, est impossible ; et les modules matériels proposés par les constructeurs, multipliés par des milliers de sites, représentent des millions d'euros. D'où ma solution : un outil d'IA qui analyse tout le parc 5G de SFR, vérifie la conformité de chaque site et fait remonter en priorité ceux qui présentent le plus fort risque d'inadéquation.
