Chercheur(e) postdoctoral en humanités numériques (F/H)
Poste à pourvoir le 01/03/2026
Localisation du poste : site ITEM ENS 5ÈME ou Pouchet Paris 17ème
Établissement : École normale supérieure - PSL
Notre établissement fait partie de l'Université PSL. Située au cœur de Paris, elle fait dialoguer tous les domaines du savoir, de l'innovation et de la création. Classée parmi les 50 premières universités mondiales, elle forme au plus près de la recherche des chercheurs, artistes, ingénieurs, entrepreneurs ou dirigeants conscients de leur responsabilité sociale, individuelle et collective.
Structure d'accueil
Département ou service : LILA – ITEM
Catégorie/Corps : Chercheur
Environnement de travail : L’Institut des textes et manuscrits modernes (ITEM), dirigé par Nathalie Ferrand, est une unité de recherche du Centre National de la Recherche Scientifique et de l’École normale supérieure (UMR 8132 CNRS / ENS), en partenariat avec l’Université de Poitiers, qui se consacre à l’étude de la génèse des œuvres de l’esprit, en littérature, linguistique, philosophie, art et sciences, à partir des traces empiriques laissées au cours du processus créateur.
Mission d'enseignement et de recherche
- Concevoir de nouvelles approches basées sur la théorie des graphes pour tracer la circulation des concepts au 18 e siècle français. Piloter l'axe thématique « Concepts » du projet ModERN.
- Développer des méthodes de représentation hiérarchique de graphes et d'analyse multi-échelle des réseaux intertextuels.
- Implémenter des algorithmes de propagation locale d'information dans le graphe, notamment pour diffuser les annotations de validation humaine au sein de clusters.
- Développer des méthodes computationnelles pour étudier la circulation des idées et le flux d'informations à travers l'analyse de réseaux construits à partir de la BDD du projet ModERN.
- Explorer différentes constructions de graphes dérivés (réseaux auteur‑auteur, concept‑concept, texte‑concept) à partir du graphe de base passages‑alignements.
- Appliquer des techniques de détection de communautés, d'analyse de centralité, et d'embedding de graphes pour identifier des structures conceptuelles et des acteurs clés.
- Proposer des solutions informatiques pour l'analyse de réseaux complexes et la visualisation de structures relationnelles à grande échelle.
- Participer à la modélisation de la communauté littéraire avec les méthodes d'analyse des réseaux sociaux et des mesures de graphes.
- Publier des articles scientifiques (individuels et/ou collaboratifs) dans les revues disciplinaires et interdisciplinaires.
- Accompagner le développement des outils numériques et de la production documentaire : environnement, données, outils et procédures.
- Participer à la rédaction des spécifications de projets d'analyse de réseaux et de graphes.
Compétences attendues
- Diplôme : Doctorat en informatique, mathématiques appliquées, sciences des données, sociologie computationnelle, ou domaines connexes avec une forte composante en théorie des graphes.
- Expérience professionnelle : 1 – 3 ans.
- Connaissance approfondie de la théorie des graphes, de l'analyse de réseaux complexes et des algorithmes de graphes.
- Expertise en détection de communautés, mesures de centralité, et représentations hiérarchiques de graphes.
- Expérience avec les méthodes de propagation d'information dans les graphes et le clustering localisé.
- Maîtrise des techniques d'embedding de graphes (node2vec, graph neural networks, etc.).
- Connaissances en analyse de réseaux sociaux et en sociologie computationnelle.
- Connaissance des méthodes d'analyse sémantique computationnelle et de modélisation thématique.
- Maîtrise d'outils d'analyse de réseaux, de graphes et de représentations visuelles.
- Familiarité avec les environnements Linux/Unix.
- Connaissance des standards du patrimoine numérique (XML, TEI).
- Optionnel : Familiarité avec les modèles de langage et leur application à l'annotation de graphes.
- Compétences techniques : Maîtrise de Python (obligatoire) et des bibliothèques d'analyse de graphes (NetworkX, igraph, graph‑tool).
- Expérience avec des frameworks de deep learning pour graphes (PyTorch Geometric, DGL, ou similaires).
- Maîtrise des bases de données (PostgreSQL, SQL) et idéalement des bases de données orientées graphes (Neo4j, etc.).
- Expérience en développement web (HTML, CSS, APIs REST).
- Expérience en traitement automatique du langage naturel (NLP) appliqué aux graphes textuels.
- Compétences en visualisation de réseaux et de données (Gephi, D3.js, Plotly, etc.).
- Capacité à travailler avec des données à grande échelle (>1 M de nœuds).
- Compétences comportementales : Autonomie et prise d'initiative, sens de l'ownership, communication interdisciplinaire, esprit d'équipe, adaptabilité, rigueur.
Modalités de recrutement
- Type de contrat : CDD de 12 mois renouvelable (post temporaire).
- Rémunération selon grille et expérience.
Modalités de candidature
- Lettre de motivation en français et/ou en anglais.
- Un CV détaillé mentionnant vos expériences techniques pertinentes.
- Une copie du diplôme certifiant le niveau d'étude requis.
- Les coordonnées de deux référents professionnels.
Conditions d’activités particulières
Travail principalement en équipe restreinte nécessitant une grande autonomie technique et intellectuelle.
Non discrimination, ouverture et transparence
Notre établissement, comme l'ensemble de l'Université PSL, s’engage à soutenir et promouvoir l’égalité, la diversité et l’inclusion au sein de ses communautés. Nous encourageons les candidatures issues de profils variés, que nous veillerons à sélectionner via un processus de recrutement ouvert et transparent.
Rémunération
Fourchette brut mensuel entre 3012 €/brut et 5012 €/brut.
Durée du contrat
1 an.
Référence
ENS‑PSL/LILA_2026_1
Publié le
08/01/2026