STAGE - Descente échelle statistiques/IA énergie solaire - H/F

TotalEnergies is a global multi-energy production and supply company: oil and biofuels, natural gas and green gas, renewables and electricity. Its 105,000 employees are committed to making energy ever more affordable, clean, reliable and accessible to as many people as possible. Present in more than 130 countries, TotalEnergies places sustainable development in all its dimensions at the heart of its projects and operations to contribute to the well-being of populations.

TotalEnergies est une compagnie multi-énergies mondiale de production et de fourniture d'énergies : pétrole et biocarburants, gaz naturel et gaz verts, renouvelables et électricité. Ses 105 000 collaborateurs s'engagent pour une énergie toujours plus abordable, propre, fiable et accessible au plus grand nombre. Présent dans plus de 130 pays, TotalEnergies inscrit le développement durable dans toutes ses dimensions au cœur de ses projets et opérations pour contribuer au bien-être des populations.

Accurate climate projections at high spatial resolution are essential for assessing the potential of solar energy systems. Global Climate Models (GCMs), while robust at large scales, lack the granularity needed for local energy planning. Downscaling techniques bridge this gap by refining coarse climate outputs to finer resolutions.

This internship will explore and compare two distinct approaches of downscaling techniques in a perfect model approach framework:

• CDFt (Cumulative Distribution Function transform): A statistical method that adjusts climate model outputs based on observed distributions.
• Vision Transformer (ViT): A deep learning architecture based on transformer.

This internship is in collaboration with The « Centre Européen de Recherche et de Formation Avancée en Calcul Scientifique » (Cerfacs).

Bien que très puissants, les modèles climatiques globaux fournissent des projections climatiques à une résolution spatiale très grossière (de l'ordre de la centaine de km). Ces résolutions ne sont pas adaptées pour évaluer de manière précise les évolutions futures de la ressource solaire à des échelles beaucoup plus fines à lesquelles les décisions d'aménagement et d'investissement sont prises. Les techniques de descente d'échelle comblent cette lacune en affinant les sorties climatiques grossières vers des résolutions plus fines.

Ce stage a pour objectif d'implémenter et de comparer deux techniques de descente d'échelle dans une approche de « modèle parfait » :

- La méthode CDFt (Cumulative Distribution Function transform) [1] : méthode statistique de type quantile-mapping qui ajuste les sorties des modèles climatiques sur la base des distributions observées.

- Vision Transformer (ViT) [2] : une architecture de deep learning basée sur les transformeurs.

Ce stage sera en collaboration avec le « Centre Européen de Recherche et de Formation Avancée en Calcul Scientifique » (Cerfacs).

As a Comparative study of statistical and AI-based downscaling methods for climate projections in solar energy M/F trainee, your missions will be :

• Implement and evaluate CDFt and a Vision Transformer-based model for downscaling temperature and solar radiation projections.
• Apply both methods to selected regions with high solar energy potential.
• Assess performance based on metrics such as bias, RMSE, correlation, and energy-relevant indicators (e.g., solar irradiance variability).
• Explore the interpretability and computational efficiency of each method.

You will evolve within a team of experienced professionals and with a tutor-coach, the reference for your future profession. Individualized support will help you develop your autonomy and lead you to your diploma!

En tant que stagiaire Étude comparative des techniques de descente en échelle (downscaling) statistiques et IA des projections climatiques pour une application dans le domaine de l'énergie solaire - H/F vos missions seront :

- Implémenter et évaluer CDFt et un modèle basé sur Vision Transformer pour la descente d'échelle des projections de température et de rayonnement solaire.

- Appliquer les deux méthodes à des régions à fort potentiel solaire.

- Évaluer les performances sur la base d'indicateurs tels que le biais, la RMSE, la corrélation et des indicateurs pertinents pour l'énergie.

- Explorer l'interprétabilité et les performances numériques de chaque méthode.

Vous évoluerez au sein d'une équipe de professionnels confirmés et auprès d'un tuteur-coach, le référent de votre futur métier. Un accompagnement individualisé vous permettra de favoriser votre autonomie et de vous mener à votre diplôme !

Are you currently enrolled in an engineering school or a Master's program and looking for a 6-month end-of-studies internship starting in February 2026?

Do you have knowledge in climate science, machine learning, or applied mathematics?
Are you proficient in Python and familiar with libraries such as TensorFlow or PyTorch?
Do you know how to work with climate data formats like NetCDF?
Experience with statistical downscaling techniques and/or deep learning architectures is a strong asset.
Are you passionate about renewable energy and climate impact assessment?
Professional proficiency in English is essential for this position. Strong writing skills will be a plus.

So don't wait any longer, apply to join our team!

Actuellement en école d'ingénieur ou en Master vous recherchez un stage de fin d'étude d'une durée de 6 mois à partir de février 2026 ?

Vous avez des connaissances en sciences du climat, en machine learning ou en mathématiques appliquées ?

Vous maîtrisez Python, des bibliothèques TensorFlow/Pytorch ? Vous connaissez des formats de données climatiques tels que NetCDF ?

Une connaissance des techniques de descente d'échelle statistiques et/ou des architectures d'apprentissage profond constitue un atout.

Vous avez un fort intérêt pour les énergies renouvelables et l'évaluation des impact climatiques ?

Une maitrise professionnelle de l'anglais sera indispensable à votre prise de poste. Posséder une bonne capacité rédactionnelle sera un plus.

Alors n'attendez plus, postulez pour rejoindre notre équipe !