STAGE : Développement d'un module d'extraction de données textuelles H/F

ASNR - Autorité de sûreté nucléaire et de radioprotection

Fontenay-aux-Roses

On-site

EUR 7,800 - 15,000

Full time

14 days+

Get a reply from this employer

Your resume and cover letter, tailored to exactly what they’re hiring for.

Get past ATS filters

Job summary

L'Autorité de sûreté nucléaire et de radioprotection recherche un stagiaire/master pour concevoir et développer un prototype de composant open source dédié à l'extraction, au filtrage et à l'indexation structurée des documents pour l'application PIREX.

Vous travaillerez sur l'évaluation de solutions OCR open source (Tesseract/PaddleOCR), l'intégration avec Elasticsearch et la validation des requêtes de recherche et de similarité, tout en documentant vos choix techniques.

Qualifications

  • Préparer un Master 1/2 ou diplôme équivalent en informatique ou data science.
  • Maîtrise du développement logiciel, Python, outils de versioning et tests.
  • Connaissances en manipulation de données JSON et intégration avec Elasticsearch.

Responsibilities

  • Concevoir et développer le module d'extraction de documents pour PIREX.
  • Implémenter la détection et la suppression des zones de bruit (en-têtes, pieds de page).
  • Intégrer le prototype avec Elasticsearch et valider les index et les requêtes de recherche.

Skills

Python
Tests
JSON manipulation
Esprit d'analyse
Autonomie
Travail en équipe

Education

Master 1/2 en informatique / data science / ingénierie informatique

Tools

Git
Elasticsearch
OCR open-source (Tesseract/PaddleOCR)

Job description

L'Autorité de sûreté nucléaire et de radioprotection est une autorité administrative indépendante créée par la loi du 21 mai 2024 relative à l'organisation de la gouvernance de la sûreté nucléaire et de la radioprotection pour répondre au défi de la relance de la filière nucléaire. Elle assure, au nom de l'État, le contrôle des activités nucléaires civiles en France et remplit des missions d'expertise, de recherche, de formation et d'information des publics. L'ASNR est composée de fonctionnaires, d'agents de droit public et de salariés de droit privé.
La mission est de 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

  • 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
  • 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).
  • 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.
Get your free, confidential resume review.

or drag and drop your file here.

Similar jobs

Similar jobs worth comparing

Stage: Module d'extraction et indexation OCR Open Source
Stage: Module d'extraction et indexation OCR Open Source

ASNR - Autorité de sûreté nucléaire et de radioprotection • Fontenay-aux-Roses

On-site
EUR 7,800 - 15,000
Stage: Module d'extraction de données textuelles (OCR/NLP)
Stage: Module d'extraction de données textuelles (OCR/NLP)

Institut de radioprotection et de sûreté nucléaire • Fontenay-aux-Roses

On-site
EUR 7,800 - 15,000
STAGE : Développement d'un module d'extraction de données textuelles (OCR / NLP / Elasticsearch) H/F
STAGE : Développement d'un module d'extraction de données textuelles (OCR / NLP / Elasticsearch) H/F

Irsn • Fontenay-aux-Roses

On-site
EUR 7,800 - 15,000
Data scientist / ingénieur ia & ia générative : python, ocr
Data scientist / ingénieur ia & ia générative : python, ocr

gamme solutions • Nanterre

On-site
EUR 55,000 - 75,000
Data Scientist (F/H) - OCR Factory
Data Scientist (F/H) - OCR Factory

Euro Information Developpements / EID • Laxou

Hybrid
EUR 55,000 - 75,000
13 mois salaire
RTT 23 jours
Participation / intéressement
+7
STAGE - Ingénieur Logiciel - Optimisation de la recherche plein texte (F/H)
STAGE - Ingénieur Logiciel - Optimisation de la recherche plein texte (F/H)

Dassault Systèmes • Vélizy-Villacoublay

On-site
EUR 17,000 - 23,000
Stage - Développement d’un assistant documentaire par IA générative - Défense et Sécurité - Toulouse
Stage - Développement d’un assistant documentaire par IA générative - Défense et Sécurité - Toulouse

Sopra Steria Company • Toulouse

Hybrid
EUR 12,000 - 18,000
Academy pour développer vos skills
Parcours d’intégration complet
Engagement sociétal et diversité
STAGE - IA générative & agentique pour les capteurs d'imagerie spatiale H/F
STAGE - IA générative & agentique pour les capteurs d'imagerie spatiale H/F

CNES • Toulouse

Hybrid
EUR 10,000 - 17,000
Stage rémunéré
Travail sur infrastructure GPU
Projets POC concrets
Cheffe/Chef de projet informatique (F/H) - Solutions OCR
Cheffe/Chef de projet informatique (F/H) - Solutions OCR

Euro Information Developpements / EID • Tassin-la-Demi-Lune

On-site
EUR 55,000 - 75,000
Télétravail possible 2 jours/semaine
Rémunération fixe versée sur 13 mois
Plan d’épargne entreprise (PEE)
Data Scientist - Ocr Factory H/F
Data Scientist - Ocr Factory H/F

Euro Information • Laxou

On-site
EUR 40,000 - 65,000