Stage – Assistant.e Data Science Supply Explainability and Features (F/H) - Septembre 2025

Le poste

Depuis plus de 150 ans, les femmes et les hommes de Louis Vuitton partagent le même esprit d'exigence, de passion et réinventent chaque jour leur métier, partout dans le monde. Chez nous, chaque parcours est un véritable voyage, nourri d'émotion et de conquête, d'envie et d'audace. La plus belle façon de vous révéler. Explorer, développer, innover, créer...

A chacun son voyage. Aujourd'hui, Louis Vuitton vous invite à découvrir le vôtre.

Les missions

Louis Vuitton est connu pour la qualité de ses produits et se place aujourd’hui comme le leader français du luxe. La diversité de ses gammes et le lancement régulier de nouveaux articles, en conservant la même exigence et savoir-faire, constituent une grande force de la marque.

Durant toute la durée de vie d’un article, le Sales Planner réalise un travail d’estimation et de mise à jour des prévisions de ventes sur plusieurs mois, pour l’ensemble des zones géographiques où la maison est présente. Cette expertise Supply Chain repose sur une forte capacité d’anticipation de la demande ainsi qu’une grande réactivité face aux fluctuations économiques.

L’apprentissage automatique offre des méthodes réactives et pertinentes pour compléter cette expertise métier et accompagner le Sales Planner dans sa prise de décision. Il s’agit notamment de prédire la série temporelle de ventes la plus réaliste possible, afin de fournir un signal fiable.

Pour garantir le réalisme de ces prédictions, un enjeu actuel majeur réside dans l’adaptabilité du modèle aux évolutions économiques.

Par ailleurs, la notion de confiance et d’explicabilité dans les prédictions revêt une importance particulière, dans la mesure où l’impact de l’IA sur la chaîne de valeur est significatif. Fournir à l’utilisateur les explications nécessaires est essentiel pour permettre une analyse pertinente et une utilisation efficace des prévisions.

Ainsi, le stage s’articule autour de la problématique suivante :

• Étant donné un modèle de prévision de la demande existant, comment peut-on expliquer les prédictions réalisées pour un périmètre donné ? Et surtout, comment rendre ces explications à la fois compréhensibles et utiles pour les Sales Planners ?
• Quels types de variables (proxy) économétriques pourrait-on concevoir afin d’augmenter la réactivité du modèle face aux évolutions économiques et aux situations qu’il n’a pas rencontrées dans ses données d’entraînement ?

Selon les priorités au moment de l’arrivée du/de la stagiaire, l’un des deux volets (explicabilité ou variables économétriques) pourra être davantage approfondi que l’autre.

Environnement Data Science :

Louis Vuitton intègre, au sein de Google Cloud Platform (GCP), des données clients (CRM et transactions), des données de navigation des visiteurs sur LV.com ainsi que des données sur nos produits (images, textes, caractéristiques).

Le stagiaire sera intégré au sein de la direction innovation digitale de Louis Vuitton, une équipe composée de Data Scientists, Data Engineers, développeurs et « engagement managers », dans un environnement de travail favorisant l’innovation et la collaboration. Il sera plus spécifiquement rattaché à l’équipe Data Science.

Bibliographie :

[1] Sk Maidul Islam, Subhankar Joardar, and Arif Ahmed Sekh*. 2024. A Survey on Fashion Image Retrieval. ACM Comput. Surv. 56, 6, Article 140 (June 2024), 25 pages. https://doi.org/10.1145/3636552

[2] J. Dong et al., "Fine-Grained Fashion Similarity Prediction by Attribute-Specific Embedding Learning," in IEEE Transactions on Image Processing, vol. 30, pp. 8410-8425, 2021, doi: 10.1109/TIP.2021.3115658.

[3] A. Rubio, L. Yu, E. Simo-Serra and F. Moreno-Noguer, "Multi-modal joint embedding for fashion product retrieval," 2017 IEEE International Conference on Image Processing (ICIP), Beijing, China, 2017, pp. 400-404, doi: 10.1109/ICIP.2017.8296311

[4] Giri, C., & Chen, Y. (2022). Deep Learning for Demand Forecasting in the Fashion and Apparel Retail Industry. Forecasting, 4(2), 565-581.

Votre profil

Master ou école d’ingénieur en machine learning

Langages maitrisés :  Python, SQL

Technologies utilisées : Dataïku, Google Cloud Platform, Power BI

Esprit analytique, collaboratif et orienté résultat.

Curieux, passionné par l’IA et volonté d’innover.

Anglais courant.

Informations complémentaires

Pourquoi nous rejoindre ?

En rejoignant la Maison Louis Vuitton vous évoluerez dans un environnement dynamique et en mouvement constant. Vous découvrirez l’héritage, les codes et la culture de notre Maison.

Au cours de votre expérience vous pourrez bénéficier du savoir-faire d’excellence de nos équipes et ainsi développer vos compétences, en plus de vos qualités de communication.

Un parcours de développement & d’animation complet vous sera proposé : sessions d’intégration, ateliers de coaching, points de suivi, afterworks… Vous bénéficierez également d’un accès permanent à notre Learning App !

 

INFORMATIONS COMPLEMENTAIRES

Début de stage : Septembre 2025

Durée : 6 mois

Lieu : Paris 1^er

Le processus de recrutement

Comment s’organise le processus de recrutement chez Louis Vuitton ?

Intéressé.e par cette offre de stage/alternance ? Nous vous invitons à postuler, votre candidature sera alors étudiée au plus vite.

1. Si votre CV est sélectionné, vous serez contacté par l’équipe RH pour un premier échange téléphonique
2. Vous pourrez ensuite être invité.e à partager votre motivation au cours d’un entretien RH
3. Enfin, un entretien avec le/la manager vous permettra de le/la convaincre que vous êtes le/la meilleur.e candidat.e !