Physics Informed Machine Learning Jobs in Quebec

Ingénieur(e) en IA appliquée – Simulation d’ingénierie et exploration de conception

Lieu : Québec (hybride)
Équipe : Recherche technologique

À propos du rôle

La simulation en ingénierie subit actuellement un changement structurel. Ce qui était auparavant un processus lent, axé sur les solveurs, devient un flux de travail rapide et axé sur l’exploration, rendu possible par les modèles de substitution (surrogate models), l’IA guidée par la physique (physics-informed AI) et les méthodes accélérées par processeur graphique (GPU).

Cette évolution change non seulement la façon d'exécuter les simulations, mais aussi la manière dont les ingénieurs conçoivent les projets, passant de l’évaluation limitée de quelques options à l’exploration de l’ensemble des espaces de conception.

Nous sommes à la recherche d’un(e) ingénieur(e) en IA appliquée pratique (hands-on) pour expérimenter ces technologies émergentes. Votre rôle consistera à essayer de nouveaux outils, à les tester, à les comparer (benchmarking), à les intégrer à des prototypes, à déterminer ce qui fonctionne en pratique et à prendre une décision éclairée quant à leur viabilité dans les produits de Bentley. L’objectif est de développer une compréhension claire de l’endroit où ces approches peuvent concrètement transformer les flux de travail en ingénierie — et de l’endroit où elles ne le peuvent pas.

Il s’agit d’un rôle à forte composante expérimentale. Vous passerez la majeure partie de votre temps à concevoir et à tester des prototypes, et non à rédiger des rapports ou à assurer la maintenance de systèmes de production.

Ce que vous ferez

• Assurer une veille technologique sur les nouveautés dans le domaine.
• Évaluer les outils émergents de simulation et d’IA par le biais du prototypage pratique.
• Concevoir et comparer des modèles de substitution par rapport aux flux de travail traditionnels de FEM (méthode des éléments finis) et de CFD (dynamique des fluides numérique).
• Tester la robustesse, les limites et les modes de défaillance des nouvelles approches.
• Prototyper des pipelines hybrides (p. ex., modèle de substitution + validation haute fidélité).
• Explorer comment intégrer ces approches dans de flux de travail d’ingénierie concrets.
• Présenter des recommandations claires aux parties prenantes.

Ce que nous recherchons

Exigences

• Fortes compétences en programmation (Python requis).
• Expérience avec PyTorch, JAX ou d’autres frameworks d’apprentissage automatique similaires.
• Solide compréhension de la simulation numérique :
• Modélisation par FEM, CFD ou modélisation multiphysique.
• Connaissance pratique de :
• L’apprentissage profond (deep learning), de la modélisation de substitution, des modèles d’ordre réduit ou des flux de travail d’optimisation.
• Bonnes compétences en communication et esprit de collaboration.

Atouts majeurs

• Expérience dans la création de prototypes expérimentaux ou de recherche.
• Compréhension de l’exploration de l’espace de conception (plans d’expériences [DOE], études paramétriques, optimisation combinatoire).
• Exposition à l’apprentissage automatique guidé par la physique (physics-informed ML) ou à l’apprentissage automatique scientifique (scientific ML).
• Expérience de travail avec des environnements GPU ou calcul haute performance (HPC).
• Expérience dans l’application de l’apprentissage automatique aux simulations physiques.
• Expérience pratique du développement de codes de simulation multiphysique.

Mentalité

• Approche pratique, expérimentale et aisance à travailler avec des outils de développement incomplets.
• Curiosité teintée de scepticisme — vous vous concentrez sur ce qui fonctionne réellement, et non sur les promesses marketing.
• Propension naturelle à tester les limites et les cas particuliers (edge cases), et non seulement les scénarios idéaux.
• Réflexion axée sur les flux de travail et les boucles d’itération, plutôt que sur des outils isolés.
• Capacité à passer rapidement d’une idée → un prototype → des apprentissages concrets.
• Bon sens des affaires; capacité à comprendre ce qui apporte de la valeur à Bentley.

À quoi ressemble le succès dans ce rôle

• Vous concevez des prototypes qui démontrent de nouvelles façons d’accélérer les flux de travail de conception.
• Vous identifiez les domaines dans lesquels les approches basées sur l’IA sont véritablement utiles — et ceux où elles échouent.
• Vous fournissez des perspectives claires et factuelles, basées sur des expériences concrètes et non sur des hypothèses.