Ce stage s’inscrit dans un Atelier Thématique multidisciplinaire de l’Institut Fayol de l’Ecole des Mines de Saint-Etienne, intitulé BENUR (Bilan Environnemental pour un Numérique Responsable). Cette initiative rassemble des compétences de plusieurs départements de l’Institut Fayol et vise à faire un bilan des connaissances ainsi qu’à développer une méthode d’évaluation environnementale appliquée aux objets numériques, dans une perspective de sobriété.
L’objectif de ce stage est de contribuer au développement d’une méthode d’évaluation environnementale du machine learning, par analyse du cycle de vie (ACV). L’ACV est une méthode reconnue et normée d’évaluation des impacts environnementaux de produits et de services, qui considère tout leur cycle de vie. Plus spécifiquement, ce stage visera à faire une comparaison des impacts environnementaux d’un outil de machine learning avec ceux d’un scénario de référence, sans machine learning (par exemple, avec du digital labor). L’objet d’étude retenu pour le stage sera l’un des outils de e-commerce développés par OpenStudio (moteur de recommandation, prédiction de stocks, segmentation marketing, détection de fraudes, etc).
Missions à réaliser dans le cadre du stage
- Réaliser une revue bibliographique sur l’évaluation environnementale appliquée à des
objets numériques, et plus spécifiquement à des cas d’utilisation de machine learning - Sur la base de cette revue bibliographique, d’échanges avec des enseignants chercheurs en IA et les experts d’OpenStudio, choisir le cas d’usage qui constituera le
cas d’étude du stage - Appliquer la méthode ACV au cas d’usage préalablement défini et au scénario de
référence (définition du champ d’étude, collecte des données chez OpenStudio et dans
la littérature, estimation des impacts environnementaux, interprétation des résultats) - Fournir des recommandations d’usage qui soient compréhensibles et pertinentes pour
les parties prenantes du projet - Communiquer les résultats obtenus auprès des départements de l’Institut Fayol et de
OpenStudio
Comment candidater
Envoyer CV et lettre de motivation à audrey.tanguy@emse.fr, victor.charpenay@emse.fr, julien.de-benedittis@emse.fr avant le 30 janvier 2021, en mettant « candidature stage
BENUR » dans l’objet du mail.
Des entretiens seront organisés en présentiel ou en visio-conférence.