Géoscientiste débutant – Méthodes statistiques et Machine Learning - F/H

Description de l'offre

Pays France

Ville PAU

Lieu de travail PAU-CSTJF(FRA)

Domaine Géoscience & Réservoir, Recherche Innovation&Développt

Type de contrat Contrat de professionnalisation Temps plein

Expérience Moins de 3 ans

Contexte et environnement

Vous avez  récemment  été diplômé.e ? 
Débutez votre carrière par une expérience stimulante au cœur d’équipes internationales, engagées dans la transition énergétique ! 

Nous recherchons pour une durée de 12 mois au CSTJF à PAU (64), un(e) Géoscientiste débutant – Méthodes statistiques et Machine Learning , à compter d'avril 2025.

Nous vous proposons un contrat de professionnalisation temps plein qualifiant de 12 mois incluant 15% de formation interne (métier, linguistique, outils…). Ces formations sont dispensées en interne par des organismes sélectionnés par TotalEnergies. Ce contrat vous permettra d’acquérir une année d’expérience professionnelle tout en étant formé aux spécificités de votre métier en lien avec les activités de la Compagnie. 

Un réel atout pour booster votre employabilité ! 

Pour en savoir plus : TotalEnergies Pau Lacq : Centre Scientifique & Technique Jean Féger CSTJF et PERL

Activités

Au sein du département Laboratoires, Interprétation et Synthèse de TotalEnergies One Tech, le service de géochimie organique, composé de 7 ingénieurs, applique les principes de géochimie moléculaire et isotopique à l’étude de l’origine, de la maturité et de l’altération des hydrocarbures. Ces connaissances sont utilisées dans les phases d’exploration, de développement et de production, ainsi que pour les études environnementales et les problématiques d’intégrité de puits et de démantèlement.

Rejoignez-nous sur l’un de nos projets de R&D en machine learning appliqué à la géochimie organique. Au sein de notre équipe de géochimistes, vous serez chargé(e) de l’évaluation et de l’application des outils développés dans le cadre de ce projet R&D. Plus précisément, vous aurez l’opportunité d’explorer, tester, appliquer et valider les techniques récentes de paramétrage et d’optimisation. Vous serez en contact régulier avec l’éditeur pour améliorer les processus.

Objectifs du poste :

    -Créer des modèles d’apprentissage robustes et fiables qui seront déployés sur les postes utilisateurs.

    -Accélérer et systématiser l’interprétation des données géochimiques de manière reproductible (modèle numérique).

    -Fournir des méthodes pour gérer l’incertitude des données géochimiques et géologiques.

    -Créer et compléter une base de données validée à partir des données acquises en interne, par des laboratoires externes ou issues de la littérature

Profil du candidat

Vous êtes récemment diplômé(e) d'école d'ingénieur (bac+5) ou master 2 en Géosciences, en Géologie avec une spécialité orientée dans le Machine Learning ?

Vous êtes reconnu(e) pour votre expérience en méthodes statistiques ? Vous avez un intérêt pour la géochimie organique? 

Vous maîtrisez le pack Office et le langage Python ?

Votre expérience sur un outil de Machine Learning sera appréciée. 

Vous savez faire preuve d'autonomie et de rigueur ?

Vous aimez travailler en équipe et vous communiquez efficacement ?

Vous avez un bon niveau d'anglais oral comme écrit ? Vous échangerez régulièrement dans un contexte anglophone.

Alors n'attendez pas, postulez pour rejoindre nos équipes au CSTJF à PAU (64)...

Informations supplémentaires

Ce poste ne s'adresse pas aux personnes recherchant une alternance avec une école ou une formation diplômante, mais aux personnes récemment diplômées à la recherche d'un première expérience.

Pour postuler à cette offre, vous devez impérativement posséder, à la date d’embauche, un titre de séjour valide vous permettant de travailler pour la période couverte par cette offre (minimum 13 mois).
Attention, la conclusion de ce contrat de professionnalisation ne permet pas la délivrance d’un titre de séjour (article R.52221-6 du Code du travail). 

TotalEnergies valorise la diversité, promeut le développement individuel et offre des opportunités d'emploi égales à tous les candidats.