Expert en science des données F/H
Sorbonne Université
Stand out for this role — generate a tailored resume and cover letter in about a minute.
Benefits offered by this job
Job summary
Sorbonne Université recrute un Expert en science des données pour piloter le projet MELODY au sein de l’équipe Data Science de SCAI. Le candidat constituera le corpus Verdien en MusicXML, assurera métadonnées et traçabilité, et coordonnera avec l’IReMus et les partenaires pour l’entraînement et l’évaluation des modèles d’IA.
Le poste nécessite un doctorat ou diplôme d’ingénieur en musicologie ou discipline proche, avec une connaissance approfondie de MusicXML et de l’édition musicale numérique.
Qualifications
- Doctorat ou diplôme d’ingénieur en musicologie ou domaine proche.
- Bonne connaissance de la musique du XIXe siècle et Verdi.
- Maîtrise de transcription musicale savante et formats MusicXML.
- Connaissances de la structuration et métadonnées de corpus.
Responsibilities
- Constituer le corpus Verdien en MusicXML et structurer les matériaux.
- Documenter les choix de transcription et garantir traçabilité.
- Suivre le projet MELODY et coordonner avec partenaires.
- Produire des jeux de données versionnés et contribuer à l’évaluation IA.
- Participer à des formations et publications associant musique et IA.
Skills
Education
Tools
Job description
Identifiant (email, de type exemple@exemple.fr)
Mots clés (ex : gestionnaire de scolarité)
02 - Catégorie A - Ingénieur de recherche (IGR) - E - Informatique Statistiques et Calcul scientifique - Expert-e en calcul scientifique
Emploi ouvert uniquement aux contractuels
Expert en science des données F/H
SCAI et équipe Data Science
Créé par Sorbonne Université, SCAI rassemble un ensemble stratégique de disciplines de l'intelligence artificielle (IA) et favorise une recherche interdisciplinaire associant communautés académiques et partenaires industriels.
Au sein de SCAI, le Pôle Ingénierie IA assure la mise en œuvre des projets scientifiques et technologiques. Son équipe Data Science conduit des projets interdisciplinaires avec les laboratoires de Sorbonne Université et leurs partenaires (NLP/LLM, signal et image, données patrimoniales et culturelles) et contribue aux formations de SCAI.
Projet ANR MELODY
MELODY – Musicology Enhanced by Large Language Models and Deep Learning – vise à renouveler l'analyse et la génération musicales en combinant IA, modèles de langage, données musicales en MusicXML et expertise musicologique. Le projet porte notamment sur l'interaction texte-musique, l'analyse harmonique et la reconstruction d'œuvres inachevées.
Le WP3 est consacré à la reconstruction et à la génération musicale à partir des esquisses inachevées de Verdi. Il prévoit leur transcription en MusicXML, la constitution d'un jeu de données de référence, puis l'entraînement et l'évaluation de modèles génératifs.
Rattachée à l'équipe Data Science, la personne recrutée sera référente du projet MELODY : suivi du projet, qualité musicologique des données et résultats, et coordination avec les partenaires musicologues, notamment l'IReMus.
Fonctions :Expert-e en science des données
Catégorie : A
CDD de 2 ans.
L’ingénieur·e de recherche est le/la référent·e du projet ANR MELODY au sein de l’équipe Data Science de SCAI. Sa mission principale est de constituer le corpus de référence verdien : transcription, structuration, documentation et mise en qualité scientifique des esquisses de Giuseppe Verdi en MusicXML. Il/elle en assure l’exploitation avec l’équipe Data Science pour l’entraînement, l’analyse et l’évaluation des modèles d’IA.
1. Constitution du corpus verdien (WP3)
- Transcrire les esquisses de Verdi en MusicXML et constituer un corpus de référence pour la reconstruction musicale assistée par IA.
- Structurer les matériaux : fragments, états du texte musical, segmentation, portées, voix, instrumentation et continuité des passages.
- Produire les métadonnées scientifiques : sources, datation, état d’achèvement, incertitudes et hypothèses éditoriales.
- Documenter les choix de transcription et garantir la qualité et la traçabilité scientifique du corpus.
- Collaborer avec l’IReMus sur les questions de style, d’authenticité historique, de phrasé et d’écriture vocale et orchestrale.
2. Référent·e du projet MELODY
- Assurer le suivi opérationnel côté SCAI : calendrier, jalons et livrables du WP3.
- Coordonner les échanges entre l’équipe Data Science, l’IReMus et les autres partenaires.
- Traduire les objectifs musicologiques en spécifications pour l’équipe : formats, métadonnées, tâches et critères d’évaluation.
- Identifier les risques et blocages et contribuer aux livrables et rapports scientifiques.
3. Interaction avec l’équipe Data Science
- Produire des jeux de données versionnés et documentés selon les pratiques de l’équipe.
- Participer aux pipelines de traitement : validation et normalisation MusicXML, représentation, tokenisation, augmentation et corpus complémentaires.
- Contribuer à l’analyse musicologique des modèles : caractérisation du style verdien, analyse stylistique et lecture critique des reconstructions et générations.
- Concevoir des protocoles d’évaluation experte et contribuer aux publications associant musicologie et IA.
4. Vie et projets de l’équipe
- Participer aux réunions, revues de travaux et à la documentation du Pôle Ingénierie IA.
- Contribuer à des projets transverses autour des données patrimoniales, culturelles et des humanités numériques.
- Assurer une veille en musicologie numérique, représentations symboliques et IA générative musicale.
5. Formation et diffusion
- Contribuer aux formations, workshops et séminaires de SCAI sur l’IA appliquée à la musique et au patrimoine.
- Intervenir ponctuellement dans les enseignements et contribuer au suivi de stagiaires.
- Participer à la valorisation du projet : séminaires, journées d’étude, publications et communications scientifiques.
- Doctorat (souhaité) ou diplôme d'ingénieur en musicologie, musicologie numérique, humanités numériques, édition musicale, ou discipline proche.
- Bonne connaissance de la musique du XIXe siècle, et idéalement de l’œuvre de Giuseppe Verdi et du contexte opératique italien.
- Maîtrise des principes de transcription musicale savante à partir de sources manuscrites ou d’esquisses.
- Bonne connaissance des formats de représentation de la musique symbolique, en particulier MusicXML (MEI, Humdrum/kern appréciés).
- Familiarité avec les enjeux d’édition, de structuration de corpus et de qualité des données en recherche.
- Connaissances de base en programmation Python et en outils de traitement de la musique symbolique (music21 ou équivalent) ; notions de Git.
- Compréhension générale des principes de l'apprentissage automatique (données d'entraînement, évaluation, biais) ; une première expérience de collaboration avec des équipes IA est un atout.
Compétences opérationnelles
- Transcrire avec rigueur des matériaux musicaux fragmentaires ou complexes.
- Structurer un corpus et documenter les transcriptions de manière normalisée et versionnée.
- Identifier les zones d’incertitude et expliciter les hypothèses de lecture ou de restitution.
- Assurer le suivi d'un projet : planification, coordination de partenaires, reporting.
- Travailler en équipe interdisciplinaire avec des musicologues et des spécialistes IA ; vulgariser les enjeux musicologiques auprès d'ingénieurs et inversement.
- Produire des synthèses écrites claires en français et en anglais.
- Animer des ateliers ou des séances de formation.
Compétences comportementales
- Rigueur scientifique
- Autonomie et sens de l'organisation
- Esprit d’analyse
- Goût pour le travail collectif et le partage de connaissances
- Intérêt pour l’interdisciplinarité et curiosité pour les méthodes computationnelles
- Pédagogie
- Capacité à articuler précision philologique et objectifs de structuration numérique
Diplôme souhaité :
- Doctorat ou diplôme d’ingénieur
Domaine de formation souhaité :
- Musicologie, musicologie numérique, humanités numériques, édition musicale, histoire de la musique
- Une double compétence musicologie / informatique est appréciée
Niveau 7 - Bac + 5
Confirmé
Anglais (4 - Niveau avancé (B2))
Europe, France, Ile-de-France, Paris (75)
Campus Pierre et Marie Curie - 4 place Jussieu 75005 Paris
Choisir Sorbonne Université, c'est rejoindre une université engagée sur les enjeux de développement durable, de diversité, d'égalité, d'innovation, de diffusion des savoirs, d'ouverture sur le monde et de qualité de vie au travail de ses personnels. Labelisée HR Excellence in Research par la Commission européenne depuis 2021, Sorbonne Université porte une stratégie ambitieuse au service de l'ensemble de sa communauté de recherche.
Université pluridisciplinaire de recherche intensive de rang mondial, elle s'attache à répondre aux enjeux scientifiques du 21e siècle et à transmettre les connaissances issues de ses laboratoires et de ses équipes de recherche.
Déployant ses formations auprès de 55 000 étudiantes et étudiants dont 4000 doctorantes et doctorants et 12300 étudiantes et étudiants étrangers, elle regroupe plus de 3300 enseignantes et enseignants, enseignantes-chercheuses et enseignants-chercheurs, chercheuses et chercheurs, près de 4 000 enseignants-chercheurs et enseignants partenaires, environ 3 000 personnels de bibliothèque, administratifs, technique, sociaux et de santé (BIATSS) et 2000 IATSS partenaires. Son budget est de plus de 700 M€.
Située au cœur de Paris, elle présente une organisation avec des directions inter-facultaires et trois facultés de « Lettres », « Santé » et « Sciences et Ingénierie » et est présente dans mais plus de 30 sites en Ile-de-France et en régions.
'/%3e%3cpath%20d='M101.744%2012.4726L102.894%2016.1947L99.0021%2013.2201L101.744%2012.4726ZM105.3%208.40937H100.488L99.0026%203.59473L97.5116%208.41047L92.7%208.40385L96.5965%2011.3834L95.1055%2016.1942L99.0021%2013.2196L101.408%2011.3834L105.3%208.40992V8.40937Z'%20fill='white'/%3e%3cdefs%3e%3clinearGradient%20id='paint0_linear_5593_1381'%20x1='90'%20y1='9.44471'%20x2='99'%20y2='9.44471'%20gradientUnits='userSpaceOnUse'%3e%3cstop%20stop-color='%2300AD70'/%3e%3cstop%20offset='0.998594'%20stop-color='%2300B67A'/%3e%3cstop%20offset='1'%20stop-color='%23DCDCE6'/%3e%3c/linearGradient%3e%3c/defs%3e%3c/svg%3e){kind=small}
