# Stage Ingénieur Modélisation Hybride Hétérogène (Physique/ML) pour la prédiction de la QoS F/H at Orange

Orange is hiring a Stage Ingénieur Modélisation Hybride Hétérogène (Physique/ML) pour la prédiction de la QoS F/H. Level rates it Little AI ●○○○; you can [apply on Orange](https://jobsbylevel.com/go/06169d55-09c0-48e3-9c56-5c2aa0f4b133?utm_medium=ai-agent).

AI Level 1, AI centrality 34 out of 100. CHÂTILLON,FRANCE.

## Details

- Company: [Orange](https://jobsbylevel.com/companies/orange)
- AI level: AI Level 1 (score 34 out of 100)
- Location: CHÂTILLON,FRANCE
- Posted: November 4, 2026
- Apply: https://jobsbylevel.com/go/06169d55-09c0-48e3-9c56-5c2aa0f4b133?utm_medium=ai-agent
- Free CV review for this job: https://jobsbylevel.com/cv-review?job=stage-ingenieur-modelisation-hybride-heterogene-physique-ml-pour-la-prediction-de-la-qos-f-h-at-orange-32890d

## Description

Publication date : Nov 04, 2026, 4:20PM Contract duration : 6 months Le département Innovation in Radio and Environment (IREN) d’Orange Innovation recherche un(e) stagiaire motivé(e) pour contribuer au développement de modèles hybrides de nouvelle génération visant à prédire la Qualité de Service (QoS) dans les réseaux cellulaires 4G et 5G à grande échelle. Objectif du stage : Combiner des modèles physiques et le Machine Learning (ML) pour créer une prédiction fiable, interprétable et efficace de la QoS. Face à la complexité croissante des réseaux mobiles, la prédiction de la QoS en fonction du trafic est un défi majeur, notamment pour couvrir de vastes zones urbaines ou nationales. Les modèles physiques, explicables et robustes, manquent parfois de précision dans des configurations très diverses, tandis que les modèles ML offrent de bonnes performances mais nécessitent beaucoup de données et manquent d’interprétabilité. Contexte et enjeux : Orange souhaite développer un modèle hybride physique-ML hétérogène, exploitant une famille de modèles physiques paramétrés pour représenter la diversité des situations réseau, puis utilisant le ML pour corriger les écarts résiduels. Ce projet s’inscrit dans la continuité d’un stage réalisé en 2026, qui avait montré qu’un modèle hybride homogène (physique corrigé par ML) améliorait la prédiction tout en restant interprétable et peu gourmand en données. Le stage 2027 vise à étendre cette approche à un modèle hétérogène, intégrant plusieurs modèles physiques adaptés à différentes configurations réseau. Les variations à considérer incluent notamment : Différentes configurations MIMO (nombre d’antennes). Hypothèses de disponibilité de l’information de canal : CSIR (récepteur seul) ou CSITR (émetteur et récepteur). L’enjeu est de concevoir un modèle capable de sélectionner ou pondérer le modèle physique le plus pertinent selon la configuration locale, puis d’apprendre le résidu via ML. L’objectif est d’obtenir une meilleure précision, notamment dans des contextes de données rares, tout en conservant une forte interprétabilité — un avantage clé face à la complexité et à la consommation de données des modèles ML purs. Missions principales : Prise en main et état de l’art : Comprendre le contexte scientifique, opérationnel, les données et outils d’Orange, et réaliser un état de l’art sur les approches hybrides pour la prédiction de la QoS. Construction de la famille de modèles physiques : Analyser et mettre en œuvre des modèles paramétrés représentant différentes configurations MIMO et hypothèses de connaissance du canal. Développement du modèle hybride hétérogène : Concevoir une stratégie de sélection ou de pondération du modèle physique adapté, puis développer un modèle ML pour corriger ses résidus. Validation et test : Évaluer les performances sur des réseaux simulés, puis comparer avec des mesures terrain lorsque disponibles. Communication et livrables : Documenter le travail (code Python, rapport, synthèse) et présenter le travail aux équipes d'Orange Stage de 6 mois débutant idéalement en mars 2027. Merci de préciser sur votre CV les informations suivantes : - le nom de votre école / université - la formation suivie / le domaine de vos études - les dates de début et de fin de votre stage - le rythme de votre stage en précisant les éventuelles périodes d’interruption Vous êtes actuellement étudiant(e) en 3ème année d’école d’ingénieur ou en Master 2 universitaire, spécialisé(e) en : Télécommunications, Mathématiques appliquées, Informatique, Data science, ou disciplines voisines. Vos compétences techniques Solides connaissances en réseaux cellulaires (4G/5G, idéalement MIMO). Bonne maîtrise des concepts de modélisation et/ou de Machine Learning. Compétences en programmation, notamment en Python. Intérêt pour les approches combinant modèles physiques, statistiques et apprentissage. Anglais courant (lu, écrit, parlé). Vos soft skills Votre autonomie, votre rigueur et votre esprit d’analyse

The description is cut here. Read the full offer: https://jobsbylevel.com/jobs/stage-ingenieur-modelisation-hybride-heterogene-physique-ml-pour-la-prediction-de-la-qos-f-h-at-orange-32890d

Source: https://jobsbylevel.com/jobs/stage-ingenieur-modelisation-hybride-heterogene-physique-ml-pour-la-prediction-de-la-qos-f-h-at-orange-32890d

## Cite this page

Level. https://jobsbylevel.com/jobs/stage-ingenieur-modelisation-hybride-heterogene-physique-ml-pour-la-prediction-de-la-qos-f-h-at-orange-32890d.

Get job alerts: https://jobsbylevel.com/newsletter