Recherche ou ingénierie : deux manières d’entrer dans l’IA
Sous l’étiquette « intelligence artificielle », on trouve deux familles de missions. La première relève de la recherche : explorer une question encore ouverte, tester une méthode, comparer des architectures, rédiger parfois un article. La seconde relève de l’ingénierie : intégrer un modèle existant dans un produit, nettoyer des données, mettre en place une chaîne de déploiement, surveiller la qualité en production.
Le choix a des conséquences concrètes. Un stage de recherche attend une base solide en mathématiques, en statistiques et en apprentissage automatique, ainsi que de l’autonomie face à un problème mal posé. Un stage d’ingénierie valorise davantage le code propre, les tests, l’expérience de Python et des outils de conteneurisation, et la capacité à travailler avec des équipes produit. Beaucoup de postes se situent entre les deux, d’où l’intérêt de lire attentivement la description plutôt que de s’arrêter à l’intitulé.
Les types de structures qui accueillent des stagiaires en IA
La France dispose d’un tissu varié. Les établissements publics de recherche, comme Inria ou le CEA, accueillent des stagiaires et des apprentis dans des équipes spécialisées. Le CEA indique recevoir un grand nombre de stagiaires chaque année et recommande de s’y prendre plusieurs mois à l’avance. Les universités et les écoles d’ingénieurs hébergent des laboratoires, souvent liés à des instituts interdisciplinaires consacrés à l’IA.
Du côté des entreprises, on trouve :
- des éditeurs de plateformes de données et d’IA, comme Dataiku, qui présente ses offres sur sa page de carrières ;
- des grands groupes (banque, énergie, santé, transport) dotés d’équipes de science des données ;
- des sociétés de conseil et des ESN qui placent des profils chez leurs clients ;
- des start-up, où le périmètre est plus large mais l’encadrement parfois plus léger.
Les grandes zones d’activité se trouvent autour de Paris et du plateau de Saclay, mais aussi à Grenoble, Toulouse, Lyon, Sophia Antipolis ou Rennes. Élargir sa recherche géographique multiplie les possibilités.
Stage, apprentissage, thèse : choisir le bon format
Le stage de master dure en général entre quatre et six mois et sert souvent de test avant une thèse ou un premier emploi. L’apprentissage, plus long, convient à une licence professionnelle, à un master ou à un cycle ingénieur : le contrat de travail permet de rester deux ou trois ans dans la même équipe et de voir un projet de bout en bout, de la collecte des données à la mise en service.
Si votre horizon est la recherche, un stage dans un laboratoire est une manière réaliste de vérifier que le quotidien vous plaît avant de vous engager dans un doctorat. Si vous visez un métier d’ingénieur en apprentissage automatique, un contrat d’apprentissage vous donne une expérience reconnue au moment de l’embauche.
Quelques repères pour décider
- Aimez-vous lire des articles scientifiques et formuler des hypothèses ? Orientez-vous vers la recherche.
- Préférez-vous livrer un outil utilisé par des collègues ? Visez l’ingénierie.
- Votre cursus impose-t-il un rythme ? Vérifiez d’abord les formats acceptés par votre établissement.
Cadre juridique : convention, rémunération et propriété des résultats
Un stage en laboratoire ou en entreprise repose sur une convention signée avec votre établissement. Elle fixe la mission, la durée, le tuteur et les conditions d’accueil. Au-delà du seuil de présence prévu par les textes, une gratification est due, dont le minimum dépend d’un pourcentage du plafond horaire de la Sécurité sociale ; son montant évolue, il faut donc se référer à la réglementation en vigueur en 2026. En apprentissage, la rémunération suit un barème lié à l’âge et à l’année du contrat.
Les travaux en IA soulèvent des questions propres. À qui appartiennent le code et les modèles produits ? Peut-on publier les résultats ? Quelles données ont le droit d’être utilisées ? Ces points se règlent par écrit, dans la convention ou dans un accord de confidentialité, et il est légitime de les demander avant de commencer. Dans un laboratoire public, des règles de publication existent souvent ; dans une entreprise, la confidentialité est plus stricte.
Gardez en tête qu’un stagiaire ne devient pas auteur automatiquement : la mention sur une publication dépend de la contribution réelle et des usages de l’équipe.
Données personnelles, éthique et règles européennes
Un projet d’IA manipule souvent des données, parfois sensibles. Le règlement général sur la protection des données s’applique dès qu’il s’agit d’informations sur des personnes identifiables, et la CNIL publie des ressources pédagogiques sur l’intelligence artificielle, notamment sur la constitution de jeux de données et les droits des personnes. Un stagiaire doit savoir d’où viennent les données, s’il existe une base légale pour les utiliser et où elles seront stockées.
Au niveau européen, le règlement sur l’intelligence artificielle fixe un cadre par niveaux de risque, avec une application échelonnée dans le temps. Vous n’avez pas à maîtriser tous les articles, mais comprendre l’idée générale (interdictions, obligations pour les systèmes à haut risque, transparence) montre une vraie maturité en entretien.
Habituez-vous à poser trois questions simples avant de commencer : quelles données, pour quel usage, avec quelle autorisation. Ces réflexes comptent beaucoup pour un recruteur et protègent le stagiaire autant que la structure.
Construire un dossier qui prouve votre démarche
Les équipes d’IA lisent peu les déclarations d’intérêt et beaucoup les preuves. Un dépôt de code public et soigné, un compte rendu de projet de cours, une participation à une compétition de données ou un mémoire bien rédigé comptent plus que l’énumération de bibliothèques. Pour chaque projet, expliquez le problème, les données, la méthode d’évaluation, les erreurs rencontrées et ce que vous referiez autrement.
Quelques réflexes renforcent un dossier :
- Décrire comment les jeux d’entraînement et de test ont été séparés pour éviter les fuites d’information.
- Donner les métriques utilisées et pourquoi elles sont adaptées.
- Joindre des instructions pour reproduire l’expérience.
- Analyser quelques erreurs du modèle, pas seulement le score moyen.
Dans la lettre, nommez l’équipe visée et rattachez votre profil à une de ses questions précises. Une candidature adressée à un responsable d’équipe en particulier, avec un lien vers un projet pertinent, se distingue nettement.
Exemple illustré : du sujet flou au sujet de stage
Imaginons Karim, étudiant en master d’informatique, qui souhaite un stage de cinq mois en vision par ordinateur. Son premier message, « je cherche un stage en IA », reste sans réponse. Il reformule : après avoir lu les travaux publiés d’une équipe, il écrit qu’il a mené un projet de détection de défauts sur des images industrielles, qu’il a séparé ses données en trois ensembles, et qu’il souhaite contribuer à l’évaluation de la robustesse d’un modèle.
Dans cet exemple fictif, l’équipe lui répond pour proposer un entretien. Le responsable lui demande comment il a traité le déséquilibre entre classes, ce qu’il ferait avec peu de données annotées et comment il communiquerait une incertitude. Karim n’a pas toutes les réponses, mais il décrit sa démarche, reconnaît ses limites et propose un petit protocole d’expérience.
La leçon est que la précision du sujet et la clarté de la méthode comptent davantage que la quantité de technologies citées.
Calendrier, plateformes et réseaux pour candidater
Les stages de recherche et de grands organismes se préparent tôt : le CEA, par exemple, conseille de postuler plusieurs mois avant le début. Les entreprises ouvrent leurs offres à des dates variables, souvent entre l’automne et le printemps pour un stage d’été. Pour une alternance de septembre, la recherche commence pendant l’année précédente.
Plusieurs canaux sont à combiner : pages carrière des organismes et des entreprises, forums organisés par les écoles, plateformes d’annonces pour étudiants, réseaux d’anciens élèves, séminaires et conférences où l’on peut rencontrer des chercheurs. Contacter directement un enseignant ou un doctorant dont vous avez lu les travaux ouvre parfois des pistes qui ne sont pas annoncées publiquement.
Gardez une liste de suivi avec la date d’envoi, l’interlocuteur et la réponse. Relancez une fois, poliment, après deux semaines environ. Préparez aussi un plan B plus large, par exemple un stage d’ingénierie des données, qui vous rapproche de l’IA tout en augmentant vos chances.
Erreurs fréquentes en candidature IA
La première erreur est de se présenter comme un expert alors que le dossier ne contient que des tutoriels suivis. Les recruteurs reconnaissent vite un projet recopié. La deuxième est de négliger les bases : sans solide connaissance des probabilités, de l’algèbre linéaire et de la validation, il est difficile de défendre ses résultats. La troisième est de postuler partout avec le même texte.
D’autres pièges méritent l’attention :
- accepter une mission où personne ne peut vous encadrer techniquement ;
- utiliser des données dont la provenance n’est pas claire ;
- promettre des résultats avant d’avoir regardé les données ;
- oublier de documenter son code pour la personne qui reprendra le travail.
Avant de signer, relisez la convention avec votre établissement et demandez un échange avec le tuteur sur les objectifs, les moyens de calcul disponibles et les règles de publication.
Questions fréquentes
Faut-il un doctorat pour travailler en IA ?
Non. Un doctorat est utile pour les postes de recherche, mais beaucoup d’ingénieurs en apprentissage automatique sont issus de masters ou d’écoles d’ingénieurs. Un stage ou une alternance bien choisis, avec des projets documentés, peuvent suffire pour accéder à un premier poste technique.
Un stage en IA est-il rémunéré ?
Une gratification est due lorsque la durée dépasse le seuil fixé par les textes, avec un minimum lié au plafond horaire de la Sécurité sociale. Les montants évoluent, vérifiez ceux de 2026. Les entreprises du secteur versent souvent davantage que le minimum, tandis que les laboratoires publics suivent généralement un cadre plus précis.
Quel niveau en mathématiques faut-il avoir ?
Pour une mission de recherche, il faut maîtriser probabilités, statistiques, algèbre linéaire et optimisation. Pour de l’ingénierie, un niveau solide reste utile, mais la qualité du code et la compréhension des données pèsent davantage. Dans les deux cas, savoir expliquer ce que fait un modèle est apprécié.
Peut-on faire un stage en IA sans expérience préalable ?
Oui, à condition de présenter des projets, même universitaires. Un travail personnel bien documenté, une participation à une compétition de données ou un projet de cours détaillé montrent votre capacité à apprendre. Les recruteurs savent qu’un étudiant n’a pas encore d’expérience en entreprise.
Que faire si les données du projet sont confidentielles ?
Respectez l’accord de confidentialité, travaillez uniquement sur les environnements fournis et ne copiez rien sur des outils personnels. Demandez avant de commencer ce que vous pourrez montrer ensuite, par exemple une description générale de la méthode sans données ni résultats sensibles.
Quand faut-il postuler à un grand organisme de recherche ?
Le plus tôt possible, plusieurs mois avant le début souhaité, car les équipes valident les sujets et les conventions à l’avance. Consultez la page de l’organisme visé pour connaître ses délais, ses pièces demandées et ses procédures, qui peuvent changer d’une année à l’autre.