Framatome recherche un(e) stagiaire de fin d’études pour concevoir et développer un outil d’analyse automatique de fichiers Excel basé sur des agents IA, en utilisant LangChain, LangGraph et des briques classiques de data science (Pandas, NumPy, Scikit-learn…).L’objectif est de dépasser les limites des approches RAG classiques sur Excel et de construire un système robuste, modulaire et industrialisable, capable de comprendre la structure de fichiers complexes, sélectionner les données pertinentes et lancer automatiquement des analyses statistiques et de machine learning adaptées aux besoins des utilisateurs.Contexte & objectifs du stageLes fichiers Excel métiers sont souvent volumineux, multi-feuilles, hétérogènes et parfois mal structurés (lignes ou colonnes à ignorer, sens de lecture non standard, etc.).Les approches RAG classiques présentent rapidement des limites : • Mauvaise gestion des questions de type “Combien… ?” ou “Quelle moyenne… ?” • Difficultés avec les fichiers très volumineux • Parsers génériques insuffisants dès que la structure devient complexeFramatome souhaite donc développer un outil dédié inspiré d’une architecture multi-agents, capable de : • Comprendre la structure d’un fichier Excel • Mapper la requête utilisateur aux bonnes feuilles / colonnes / lignes • Charger les données dans des dataframes Python de manière contrôlée • Sélectionner et exécuter automatiquement les analyses pertinentes (corrélations, tests d’hypothèses, régressions, classifications, clustering…) • Synthétiser les résultats de manière claire, fiable et exploitableMissions principales1. Conception de l’architecture multi-agents• Définir, avec le Tech Lead, une architecture d’agents IA basée sur LangGraph / LangChain :Agent 1 – Inspecteur Excel : détection des feuilles, noms de colonnes, types de données, lignes/colonnes à ignorer, statistiques descriptivesAgent 2 – Interprétation de la requête utilisateur : mise en correspondance requête ↔ structure ExcelAgent