Au sein de la Direction de l'action territoriale (DAT) de l'ASNR, la Mission d'animation du Retour d'expérience (MREX) exerce une mission d'animation, de coordination, d'appui méthodologique et de pilotage transverse du traitement du REX à l'ASNR. A ce titre, la Mission REX administre et met à disposition, aux inspecteurs et experts de l'ASNR, la plateforme PIREX.

PIREX s'appuie sur un pipeline de Traitement Automatique du Langage (TAL / NLP) adossé à un cluster Elasticsearch® pour effectuer des recherches textuelles full texte, de la recherche sémantique et des analyses avancées (calcul de similarité entre documents, scoring, classification). Actuellement, l'ingestion repose sur un module propriétaire d'extraction textuelle (OCR) convertissant des documents sources hétérogènes (PDF natifs ou scannés, images TIFF, etc.) vers un format JSON structuré.
Les documents traités présentent une forte diversité structurelle : texte multiligne, tableaux complexes, mais aussi de nombreux éléments parasites sans valeur métier (pages de garde, sommaires, logos, en-têtes, pieds de page, mentions légales ou notes récurrentes). Pour maximiser la pertinence et les performances d'Elasticsearch (indexation, calcul de similarité vectorielle ou BM25), l'objectif est de concevoir un module open source capable d'extraire un texte nettoyé et ciblé.

La mission consiste à concevoir et développer un prototype de nouveau composant open source / libre de droits dédié à l'extraction, au filtrage et à l'indexation structurée des documents pour l'application PIREX.
En particulier, il s'agira de :
1. Benchmark & Etude amont:
• Évaluer comparativement différentes solutions open source d'OCR et de Document Layout Analysis (ex. Tesseract,…)
• Analyser l'opportunité d'une approche par apprentissage supervisé de modèles de documents
2. Conception & Développement du module d'extraction :
• Implémenter des algorithmes de détection et suppression des zones de bruit (en-têtes, pieds de page, métadonnées non signifiantes).
3. Intégration avec Elasticsearch :
• Valider la cohérence des indexations et tester les requêtes de recherche et de similarité textuelle.

Vous préparez un Master 1 ou Master 2, ou un diplôme d'école d'ingénieur, dans le domaine de l'informatique, de la science des données ou dans une spécialité équivalente.
Compétences recherchées : Bonne maîtrise du développement logiciel, notamment en Python, avec pratique des outils de versioning, des tests et de la manipulation de données structurées (JSON). Des connaissances en moteurs d'OCR open source (Tesseract, PaddleOCR) sont un plus.
Organisé(e), vous savez faire preuve de curiosité intellectuelle, rigueur scientifique, autonomie dans la démarche expérimentale, esprit d'analyse, capacité à documenter ses choix techniques et à travailler en équipe.

La diversité est une des composantes de la politique RSE, RH et Qualité de Vie au Travail à l’ASNR.

Par conséquent, nous accordons la même considération à toutes les candidatures, sans discrimination, pour inclure tous les talents.

Quelles que soient les différences, nous souhaitons attirer, intégrer et fidéliser nos candidats et nos collaborateurs au sein d’un environnement de travail inclusif.

L'ASNR conduit une politique active en faveur de l'égalité des chances au travail et l'emploi des personnes handicapées. Si vous êtes en situation de handicap, n'hésitez pas à nous faire part de vos éventuels besoins spécifiques afin que nous puissions les prendre en compte.