Chercheuse-ingénieure/Chercheur-ingénieur traitement du langage, multimodal

-Partager les responsabilités méthodologiques et techniques de nos dispositifs d'analyse à grande échelle des corpus audiovisuels.

-Traduire les questions de régulation en problèmes expérimentaux, sur contenus audiovisuels et numériques.

-Concevoir en autonomie les jeux de référence, campagnes d'annotation et protocoles qui rendent une mesure opposable.

-Conduire les itérations de modélisation : LLM, VLM, classifieurs de discours, chaînes hybrides, sur texte, son et image.

-Décider, par l'analyse d'erreurs, ce qu'une mesure automatique permet de conclure et avec quelle incertitude.

-Faire de la veille sur l’état de l’art technique et méthodologique pour le département, en collaboration avec ses doctorants co-encadrés.

-Rédiger et présenter les résultats : rapports, articles, séminaires avec les laboratoires partenaires.

-Doctorat suivi d'un à quatre ans d'expérience, ENS, école d'ingénieurs ou master recherche avec quatre à six ans de R&D comparable.

-Recherche appliquée démontrée en machine learning, TAL, signal, vision, physique ou sciences sociales computationnelles.

-Python et écosystème ML moderne ; PyTorch, Hugging Face, pratique concrète des LLM et de l'IA générative.

-Méthodes d'évaluation : benchmarks, jeux de référence, annotation humaine, accord inter-annotateurs, robustesse, reproductibilité.

-Expérience concrète d'au moins une modalité non textuelle (audio, image, vidéo) ; raisonnement sur les systèmes multimodaux.

-Capacité à construire une expérience distinguant performance apparente, généralisation et validité d'une mesure.

-Pratique effective du code ; goût de la transmission ; écriture et présentation de résultats avec leurs limites ; anglais.

-Argument mining, mesure computationnelle des médias ou provenance des contenus synthétiques seraient un plus.

-Maîtrise des outils algébriques et statistiques, ainsi que du formalisme nécessaire à la lecture d’articles à l’état de l’art en ML et genAI.