Stages & Alternances

PFE Internship — Influence Marketing & Content Creation

TAWA Digital Talents •

Hybride3 moisExpire dans 14 jours

Company & Opportunity TAWA DIGITAL TALENTS — appel aux passionnés du marketing d'influence / PFE Internship. Offre destinée aux étudiant(e)s en dernière année souhaitant découvrir le monde réel de la création de contenu et du marketing d'influence. What you will discover / Ce que vous allez découvrir Exposure to how campaigns, creators and content truly work behind the scenes (campaigns, créateurs, contenu). Découvrir le fonctionnement réel des campagnes et de la création de contenu au sein d’une équipe leader du secteur. Tasks / Missions (as implied by the posting) Participate in influencer marketing and content creation activities to learn practical workflow and campaign execution. Contribuer aux activités liées aux créateurs et au contenu, sous la supervision de l’équipe. Candidate profile / Profil recherché Final-year students (PFE) who are curious, creative and eager to learn (étudiant(e)s motivé(e)s, curieux(se), créatif(ve)). Motivated to join a leading team in the market and willing to understand the behind-the-scenes of creator-driven campaigns (prêt(e) à apprendre le fonctionnement des campagnes et des créateurs). How to apply / Comment postuler Apply by sending your CV and mention "PFE" in the subject of the email (Write PFE in the subject / Mentionnez PFE dans l’objet). The post explicitly gives an application email for submission. 📧 Pour postuler: jobs@tawa.digital

Smart Grid Energy Optimization Intern

DataDoit •

Hybride4-6 moisExpire dans 14 jours

Overview ML models to balance renewable energy supply/demand in real-time.

Carbon Footprint Intelligence Intern

DataDoit •

Hybride4-6 moisExpire dans 14 jours

An AI system that tracks, predicts, and optimizes carbon emissions for ESG compliance.

PROJET 2 : Plateforme IA de Gestion et Optimisation des Ressources pour PME PFE

PhotoCarb •

Hybride4-6 moisExpire dans 13 jours

Contexte et objectifs Développer une plateforme web basée sur l'IA destinée aux PME et industries pour le suivi et l'optimisation des ressources (énergie, eau, matières premières, matériel, stocks). Permettre la réduction des coûts et du gaspillage via l'optimisation, la prévision des besoins et l'analyse des performances opérationnelles. Responsabilités et tâches principales Concevoir et implémenter les modèles de prédiction et d'optimisation basés sur des données historiques (prévision de consommation, détection d'inefficacités). Développer le backend (API, traitement des données) et la couche de persistance pour stocker ressources, historiques et métriques de performance. Construire l'interface utilisateur interactive (tableaux de bord, visualisations, rapports exportables) et intégrer les modules IA. Compétences techniques requises Data Science / IA : Python, Pandas, NumPy, Scikit-learn, TensorFlow ou PyTorch pour la partie prédiction et optimisation. Développement Web Frontend : React.js ou Vue.js pour l'interface interactive, Tailwind ou Bootstrap pour le design. Backend et bases de données : Python (Flask/Django) ou Node.js pour les API ; PostgreSQL ou MongoDB pour le stockage des données. Livrables attendus Prototype fonctionnel de la plateforme web incluant API, base de données, modules de prédiction et interface utilisateur. Tableaux de bord interactifs et rapports exportables destinés à la direction, incluant indicateurs de performance et recommandations d'optimisation. Documentation technique, guide d'installation/d'utilisation et rapports d'évaluation des modèles (métriques de performance, limites et pistes d'amélioration). Profil recherché Étudiant(e) en Data Science / IA, Informatique, Génie industriel ou équivalent, motivé(e) par la résolution de problèmes opérationnels en milieu PME/industrie. Autonomie, bonnes capacités de communication et expérience ou intérêt pour l'intégration de modèles ML dans des applications web. 📧 Pour postuler: internship@photocarb.com

PROJET 4 : Plateforme IA d’évaluation des risques environnementaux PFE

PhotoCarb •

Hybride4-6 moisExpire dans 13 jours

Contexte et objectif du projet Développer une plateforme intelligente capable d’évaluer et de prédire les risques environnementaux pour des sites industriels, urbains ou projets spécifiques. Le système permettra de collecter et traiter des données climatiques, industrielles et satellites, d’identifier les zones à risque (inondation, pollution, forte concentration de CO₂) et de fournir des recommandations pour réduire l’impact environnemental. Missions principales / Responsabilités Concevoir et implémenter les pipelines de collecte et de prétraitement des données (climat, capteurs industriels, images satellites) et assurer la qualité des jeux de données. Développer des modèles d’IA (classification, détection, prédiction) avec Python, TensorFlow et Scikit-learn ; entraîner, valider et déployer ces modèles pour la détection des zones à risque. Intégrer les composants SIG pour la cartographie interactive en utilisant QGIS pour le travail d’analyse et Mapbox / Leaflet pour la visualisation web. Développer le dashboard utilisateur (frontend) en React.js et le backend en Node.js, et connecter l’ensemble aux bases de données (PostgreSQL / MongoDB). Environnement technique attendu Backend / IA : Python, TensorFlow, Scikit-learn pour le développement des modèles et des API. Cartographie / GIS : QGIS pour l’analyse SIG; Mapbox et Leaflet pour l’affichage cartographique dynamique. Frontend / Dashboard : React.js pour l’interface, Node.js pour les services côté serveur. Base de données et visualisation : PostgreSQL / MongoDB; visualisation de données avec Plotly et/ou D3.js. Livrables & méthodologie Livrables attendus : pipeline de traitement des données, modèles IA opérationnels, cartographie interactive, dashboard analytique, génération automatique de rapports et recommandations, documentation technique et guide utilisateur. Méthodologie : travail en itérations (sprints), tests sur jeux de données réels/simulés, validation croisée des modèles et intégration continue pour le déploiement. Profil recherché Compétences techniques requises : maîtrise de Python et bibliothèques ML (TensorFlow, Scikit-learn), expérience en SIG (QGIS, Mapbox, Leaflet), développement frontend React.js et backend Node.js, gestion de bases de données SQL/NoSQL, et expérience en data visualization (Plotly/D3.js). Qualités personnelles : autonomie, rigueur, sens de l’analyse, capacité à travailler en équipe pluridisciplinaire et intérêt pour les problématiques environnementales. 📧 Pour postuler: internship@photocarb.com

1 smart Energy Audit Platform PFE

PhotoCarb •

Hybride4-6 moisExpire dans 13 jours

Contexte du projet Développement d’une plateforme web pour audits énergétiques automatisés destinée aux entreprises. Objectifs : collecter et analyser les données de consommation, détecter pertes et inefficiences via IA, générer recommandations personnalisées et rapports, et simuler scénarios d’optimisation coût/consommation. Missions / responsabilités Concevoir et implémenter les flux de collecte et traitement des données énergétiques (ingestion, nettoyage, normalisation). Développer et entraîner des modèles d’IA pour la détection d’anomalies et la prédiction de consommation (analyse historique et en temps réel). Développer l’interface utilisateur interactive (dashboard) et les API backend pour la visualisation et l’interaction avec les scénarios de simulation. Intégration de la base de données et mise en place de requêtes performantes pour l’analyse temps réel. Compétences techniques requises Data Science / IA : maîtrise de Python, Pandas, NumPy, Scikit-learn ; expérience avec TensorFlow ou PyTorch pour analyse et prédiction énergétique. Développement Web : expérience avec React.js ou Vue.js, et frameworks CSS comme Bootstrap ou Tailwind pour interfaces interactives. Backend et bases de données : Python (Flask ou Django) ou Node.js pour API et traitement ; PostgreSQL ou MongoDB pour stockage des données énergétiques. Visualisation : utilisation de Plotly, D3.js ou Dash pour graphiques interactifs et dashboards en temps réel. Livrables attendus Plateforme web fonctionnelle permettant l’importation de données, l’analyse automatique et l’affichage de recommandations. Modèles IA documentés et entraînés pour détection d’inefficiences et prédiction de consommation. Rapport technique et guide d’utilisation expliquant les algorithmes, l’architecture et les scénarios de simulation. Profil candidat Étudiant en Data Science, IA, informatique ou génie énergétique souhaitant réaliser un PFE technique. Autonomie, bonnes pratiques de code, tests et capacité à documenter les résultats pour utilisateurs non techniques. 📧 Pour postuler: internship@photocarb.com

PROJET 5 Système intelligent de surveillance des émissions industrielles PFE

PhotoCarb •

Hybride4-6 moisExpire dans 13 jours

Contexte et objectifs Développer une plateforme intelligente pour surveiller et analyser automatiquement les émissions industrielles (CO₂, NOx, SO₂, particules fines, COV). Objectifs : collecte automatique des données depuis cheminées et systèmes industriels, analyse en temps réel pour détecter les dépassements, visualisation des tendances et génération de recommandations pour réduire les émissions. Responsabilités et tâches principales Intégration de capteurs IoT (Arduino, ESP32) et configuration des capteurs de CO₂, NOx, SO₂, particules fines et COV pour la collecte de données en continu. Développement des scripts d'automatisation pour la collecte, le traitement et l'envoi d'alertes en temps réel lorsque les seuils réglementaires sont dépassés. Conception et implémentation du backend/IA pour le traitement des données avec Python (Pandas, NumPy), modélisation et détection d'anomalies via Scikit-learn ou TensorFlow. Réalisation d'un dashboard interactif (React.js, Node.js) affichant niveaux de pollution, tendances historiques et alertes automatiques. Technologies et compétences requises Matériel / IoT : Arduino, ESP32, intégration de capteurs gaz et particules, acquisition et calibration des capteurs. Backend / Data & IA : Python, Pandas, NumPy, Scikit-learn, TensorFlow pour analyses, détection de dépassements et recommandations intelligentes. Automatisation : développement de scripts robustes pour flux de données temps réel et gestion des notifications/alertes. Frontend / Dashboard et base de données : React.js, Node.js pour l'interface utilisateur ; PostgreSQL ou MongoDB pour le stockage et requêtes historiques. Livrables attendus Plateforme fonctionnelle capable de collecter et stocker en continu les données d'émissions depuis des capteurs IoT. Modules d'analyse en temps réel et système d'alerte automatisé avec seuils configurables. Dashboard interactif montrant les niveaux de pollution, les tendances historiques et recommandations pour réduction des émissions et optimisation énergétique. Documentation technique et guide de déploiement pour intégration sur site industriel. 📧 Pour postuler: internship@photocarb.com

3 Maintenance Prédictive pour Industries PFE

PhotoCarb •

Hybride3-6 moisExpire dans 13 jours

Contexte et objectifs Développement d’une plateforme mobile basée sur l’IA et l’IoT destinée aux industries et PME. Objectifs : surveiller l’état des machines en temps réel, prédire les pannes, optimiser les plannings de maintenance, générer rapports et fournir alertes automatiques. Public cible : industries et PME souhaitant réduire coûts et temps d’arrêt via maintenance prédictive. Responsabilités et tâches Intégration de capteurs IoT (Arduino, Raspberry Pi, ESP32) pour collecte de données machines en temps réel. Conception et entraînement de modèles de détection/prédiction de pannes (scikit-learn, TensorFlow/PyTorch). Développement d’un backend pour traitement et stockage des données (Flask/Django ou Node.js) et d’un dashboard mobile/web pour visualisation. Implémentation d’alertes automatiques, recommandations d’intervention et génération de rapports exportables. Profil recherché & compétences techniques IoT / Capteurs : expérience avec Arduino, Raspberry Pi, ESP32 pour acquisition et transmission de données. Data Science / IA : maîtrise de Python, Pandas, NumPy, scikit-learn et frameworks deep learning (TensorFlow ou PyTorch). Développement Web / Mobile : compétences en React.js ou Vue.js et frameworks CSS (Tailwind, Bootstrap) pour dashboards interactifs. Backend & BD : expérience en Python (Flask/Django) ou Node.js ; utilisation de PostgreSQL ou MongoDB pour historiques et interventions. Livrables attendus Application mobile/web fonctionnelle permettant la surveillance en temps réel et la visualisation des états machines. Modèles prédictifs documentés et intégrés au pipeline de données pour anticiper pannes. Mécanisme d’alerte et génération de rapports interactifs et exportables (historique, interventions, KPIs). 📧 Pour postuler: internship@photocarb.com

TEST BLE - PFE 2026-22-BNR - Développement d'un Agent Intelligence Artificielle pour l’assistance technique des bancs de test

Sagemcom (Site Ben Arous) •

Présentiel4-6 moisExpire dans 13 jours

Concevoir et développer, en Python, un agent intelligent capable d’identifier et de résoudre automatiquement des problèmes à partir d’une base de données locale pour l’assistance technique des bancs de test. Principales missions: Développer les composants de l’agent IA (analyse des incidents, proposition de résolution) en Python Exploiter une base de données locale comme source de connaissances Intégrer et valider l’agent sur les bancs de test Documenter la solution et transférer les connaissances Profil recherché: Élève ingénieur en Génie Logiciel, Intelligence Artificielle ou équivalent Informations clés: Lieu: Ben Arous Durée: 4 à 6 mois Référence: PFE 2026-22-BNR Nombre de stagiaires: 1 Mots-clés: Intelligence Artificielle, Agent Intelligent, Développement, Python, Bancs de test

Test - PFE 2026-21-BNR - Maintenance prédictive des testeurs industriels à l’aide du Machine Learning

Sagemcom (Site Ben Arous) •

Présentiel4-6 moisExpire dans 13 jours

Lieu: Ben Arous Durée: 4 à 6 mois Nombre de stagiaires: 1 Descriptif: Appliquer des techniques de Machine Learning pour anticiper les pannes des équipements industriels à partir des données disponibles. Mots-clés: Maintenance prédictive, Machine Learning. Profil/Formation: Ingénieur en Mécatronique ou Génie Électrique.

Système d'Information - PFE 2026-20-BNR - Développement d'une application de suivi des interventions

Sagemcom (Site Ben Arous) •

Présentiel4-6 moisExpire dans 13 jours

Lieu: Ben Arous Durée: 4 à 6 mois Nombre de stagiaires: 1 Descriptif: Développer une application permettant de tracer les interventions techniques par domaine et de produire des indicateurs. Mots-clés: Développement Web, SQL. Profil/Formation: Licence en Informatique.

Système d'Information - PFE 2026-19-BNR - Développer une application de filtrage des adresses MAC et des adresses IP

Sagemcom (Site Ben Arous) •

Présentiel4-6 moisExpire dans 13 jours

Lieu: Ben Arous Durée: 4 à 6 mois Nombre de stagiaires: 1 Descriptif: Rédiger le cahier des charges, concevoir et réaliser une application de filtrage des adresses MAC et IP. Mots-clés: Réseaux informatiques, CISCO, IPCOP. Profil/Formation: Licence en Réseaux Informatiques ou équivalent.

Système d'Information - PFE 2026-18-BNR - Application de gestion des stocks du matériels informatique

Sagemcom (Site Ben Arous) •

Présentiel4-6 moisExpire dans 13 jours

Lieu: Ben Arous Durée: 4 à 6 mois Nombre de stagiaires: 1 Descriptif: Rédiger le cahier des charges, déployer et optimiser la base de données existante puis développer l’application de gestion des stocks IT. Mots-clés: XML, Web, .NET. Profil/Formation: Licence en Informatique.

Qualité Indus - PFE 2026-17-BNR - Optimisation du suivi de l’industrialisation des nouveaux produits via un Dashboard Power BI

Sagemcom (Site Ben Arous) •

Présentiel4-6 moisExpire dans 13 jours

Lieu: Ben Arous Durée: 4 à 6 mois Nombre de stagiaires: 1 Descriptif: Identifier et sélectionner les KPI, élaborer un cahier des charges et développer une interface Power BI évolutive offrant une vision globale et détaillée. Mots-clés: Power BI, KPI, Jalons FAST. Profil/Formation: Licence et/ou Master en Sciences des Données.

Qualité - PFE 2026-16-BNR - Conception d'un REX automatique

Sagemcom (Site Ben Arous) •

Présentiel4-6 moisExpire dans 13 jours

Lieu: Ben Arous Durée: 4 à 6 mois Nombre de stagiaires: 1 Descriptif: Créer une base de données pour la gestion des fiches de vie produits et automatiser le suivi des données REX (retour d’expérience) et PDCA. Mots-clés: Base de données, automatisation, bancs de test. Profil/Formation: Master en Génie Informatique ou équivalent.

Qualité - PFE 2026-15-BNR - Automatisation du suivi des "Mesurer Observer Comprendre Agir et Améliorer" des analyses métrologiques

Sagemcom (Site Ben Arous) •

Présentiel4-6 moisExpire dans 13 jours

Lieu: Ben Arous Durée: 4 à 6 mois Nombre de stagiaires: 1 Descriptif: Automatiser l’application de suivi des fiches de non-conformité des analyses métrologiques. Mots-clés: Base de données, automatisation, bancs de test. Profil/Formation: Master en Génie Informatique ou équivalent.

Qualité BLE - PFE 2026-14-BNR - Automatisation du suivi des datas CSV des bancs Calibration et Rayonné

Sagemcom (Site Ben Arous) •

Présentiel4-6 moisExpire dans 13 jours

Lieu: Ben Arous Durée: 4 à 6 mois | Nombre de stagiaires: 1 Descriptif: Améliorer l’indicateur de performance des bancs de test Calibration et Rayonné via le développement d’une moulinette automatique pour extraire et suivre les données en temps réel. Mots clés: Bases de données, automatisation, bancs de test Profil: Master en Génie Informatique ou équivalent.

Métrologie - PFE 2026-13-BNR - Préparation des dossiers d’accréditation pour la mesure des grandeurs masse et pesage

Sagemcom (Site Ben Arous) •

Présentiel4-6 moisExpire dans 13 jours

Lieu: Ben Arous Durée: 4 à 6 mois | Nombre de stagiaires: 1 Descriptif: Étendre la portée d’accréditation du laboratoire pour les mesures de masse et pesage, renforcer la crédibilité des mesures et faciliter la conformité aux standards internationaux. Mots clés: Automatismes et Contrôle de procédés, Instrumentation, Métrologie Profil: Master en Métrologie et Instrumentation ou en Instrumentation des Processus et Procédés Industriels.

Métrologie - PFE 2026-12-BNR - Développement d’une application pour l’étalonnage sur site des débitmètres, avec amélioration de la gestion de l’incertitude

Sagemcom (Site Ben Arous) •

Présentiel4-6 moisExpire dans 13 jours

Lieu: Ben Arous Durée: 4 à 6 mois | Nombre de stagiaires: 1 Descriptif: Optimiser le processus d’étalonnage en environnement réel, réduire l’incertitude de mesure et améliorer la précision/efficacité lors des interventions sur site; développement d’une application dédiée. Mots clés: Automatismes et Contrôle de procédés, Instrumentation, Métrologie Profil: Master en Métrologie et Instrumentation ou en Instrumentation des Processus et Procédés Industriels.

Métrologie - PFE 2026-11-BNR - Préparation du dossier d’accréditation pour la caractérisation de l’étuve chaleur humide

Sagemcom (Site Ben Arous) •

Présentiel4-6 moisExpire dans 13 jours

Lieu: Ben Arous Durée: 4 à 6 mois | Nombre de stagiaires: 1 Descriptif: Garantir la conformité de l’étuve aux exigences normatives pour assurer la fiabilité des essais réalisés en conditions de chaleur et d’humidité contrôlées; préparation du dossier d’accréditation. Mots clés: Automatismes et Contrôle de procédés, Instrumentation, Métrologie Profil: Master en Métrologie et Instrumentation ou en Instrumentation des Processus et Procédés Industriels.