Ingénieur·e ia data scientist - h/f

Description entreprise :

L'École normale supérieure de Lyon produit une recherche de haut niveau dans ses 25 laboratoires et forme par la recherche quelque 2500 étudiants dont 500 doctorants. Elle compte environ 550 enseignants, enseignants-chercheurs et chercheurs et 600 personnels administratifs et techniques.

Dans le classement de Shanghai et QS, elle apparaît parmi les tous premiers établissements français en termes de performance per capita.

Son objectif est d'avoir un impact significatif en matière de recherche, d'innovation et de transfert de technologie tout en irriguant la fonction publique et le monde socio-économique de diplômés rompus à la complexité, capables de produire et transmettre des savoirs.

L'ENS de Lyon met ses ressources au service d'une vision ouverte de la société et des enjeux contemporains qu'elle veut éclairer.

Son budget annuel est d’environ 160 M €.

L'ENS de Lyon est une école dynamique, où la qualité de vie au travail, le développement durable et l’égalité professionnelle représentent des dimensions centrales.

Description du poste :

Persée est une Unité d'appui et de recherche, qui numérise, enrichit et diffuse le patrimoine documentaire au bénéfice de la recherche, principalement à travers le portail de publications scientifiques en accès libre. Persée est engagé dans le GIS CollEx-Persée, inscrit sur la feuille de route nationale des infrastructures de recherche, qui regroupe des bibliothèques de recherche et des opérateurs de l’IST dans le but de développer et d’outiller l’usage par les chercheurs des collections des bibliothèques. Le poste est proposé dans le cadre du programme de Numérisation enrichie de CollEx-Persée, qui en assure le financement.

MISSIONS

La Mission IA est une mission transverse de l’unité. Elle conçoit et met en œuvre l’application de l’intelligence artificielle aux chaînes de traitement documentaire, de l’expérimentation à la production, afin de livrer à grande échelle des métadonnées fiables, interopérables et réutilisables ( corpus as data ).

ACTIVITES

Concevoir et développer

• Modéliser et paramétrer les chaînes de traitement
• Entraîner des modèles de vision pour la détection et la segmentation de zones documentaires
• Mettre en œuvre et fine-tuner des modèles et architectures ouverts adaptés aux ressources de calcul pour des tâches documentaires variées
• Développer les workers Arkindex, notamment en étendant la détection à de nouvelles classes documentaires, et déployer en production les pipelines de références bibliographiques et de manuscrits

Exploiter et produire

• Exploiter à distance les GPU du Centre Blaise Pascal
• Conteneuriser les traitements et garantir la reproductibilité des environnements et des résultats
• Constituer les corpus et les jeux de données nécessaires aux modèles et aux évaluations
• Configurer et animer les campagnes d'annotation et de curation dans Callico

Évaluer documenter et transférer

• Définir les protocoles d'évaluation, produire les métriques algorithmiques et métier, alimenter les tableaux de bord
• Gérer la documentation fonctionnelle et technique, en assurant le suivi des versions
• Tenir la gouvernance des modèles : registre des versions en production, traçabilité des traitements appliqués aux corpus, arbitrage documenté des choix, interchangeabilité des modèles
• Animer les actions de transfert de compétences auprès de la Mission IA
• Contribuer à la valorisation scientifique

Collaborer

• Travailler avec les partenaires scientifiques et technologiques
• Contribuer au programme national AIKO et à son lac de données souverain autour d'ISTEX
• Assurer une veille technologique sur l'IA documentaire

Profil recherché :

Master 2 en informatique, en intelligence artificielle, ou diplôme d'école d'ingénieur équivalent serait un plus

Connaissances sur l’environnement professionnel

• Apprentissage automatique : détection et segmentation d'images ; modèles ouverts de langue et de vision-langage, techniques d'adaptation
• Traitement automatique des documents : analyse de mise en page, OCR ; extraction, normalisation et réconciliation bibliographiques
• Métrologie de l'IA et ingénierie de l'évaluation : statistiques inférentielles, tests d'hypothèses, intervalles de confiance
• Interopérabilité : XML et TEI, RDF et ontologies bibliographiques, requêtes SPARQL ; bases de données relationnelles (SQL)
• Infrastructures de calcul : environnements GPU, Docker / Podman
• Génie logiciel : Python scientifique (NumPy, pandas, PyTorch ou équivalent), bibliothèques de traitement du langage (spaCy, Transformers), gestion de versions, intégration continue, développement open source

Savoir-faire opérationnels

• Modéliser une chaîne de traitement, du prototype conteneurisé à la production reproductible
• Entraîner, adapter et évaluer des modèles sur données documentaires
• Constituer des jeux de données et animer des campagnes d'annotation et de curation
• Industrialiser des pipelines d'inférence à grande échelle
• Rédiger la documentation, partager, rendre compte de résultats mesurables
• Anglais technique ; maîtrise du français, indispensable au traitement des corpus

Est un plus si vous maitriser :

• Plateformes Arkindex et Callico.
• Clusters de calcul académiques : Slurm, calcul haute performance, accès au CBP
• Architectures agentiques

Savoir Être :

• Sens de l'organisation, autonomie, capacité de conceptualisation
• Goût du travail collaboratif et du partage de connaissances
• Rigueur et reproductibilité, sensibilité pour les corpus patrimoniaux et les humanités numériques