Stage – Embeddings pour l’intelligence épidémique, DIAD

L; Paris; On-site; EUR 6,800 - 9,200; Full time

Job summary

Le stage, basé au siège de l’OMSA à Paris, fait partie du Laboratoire de science des données (DS Lab) et de l’équipe EPIQ du DIAD. Il vise à développer et évaluer une preuve de concept d’un pipeline d’appariement sémantique pour l’intelligence épidémique.

Le candidat travaillera dans un cadre interdisciplinaire avec un épidémiologiste vétérinaire et le scientifique IA du DIAD, et s’inscrira dans le cadre du projet DAFF, avec une rémunération mensuelle et une durée de 6 mois.

Qualifications

• Formation : Master M1/M2 ou dernière année d’ingénieur en data science.
• Expérience en traitement de données textuelles et analyse statistique avec Python ou R.
• Connaissances en embeddings de texte et NLP multilingue.
• Maîtrise de l’anglais écrit et oral recommandé.

Responsibilities

• Revue des modèles d embeddings et comparaison selon langues, coût et licence.
• Mise en œuvre d’un pipeline d’appariement sémantique (Python ou R).
• Évaluation de la sensibilité et de la spécificité des pipelines sur WA H I S et donnees annotées.
• Comparaison avec l’approche lexicale existante et publication des résultats.
• Interaction avec l’équipe EPIQ et le Bureau régional OMSA pour l’Asie et le Pacifique.

Skills

Python

NLP / embeddings

IA/Code tools

Anglais

Education

Master en data science / statistiques / informatique

École d'ingénieur en dernière année

Tools

Git

Job description

Stage – Embeddings pour l’intelligence épidémique, DIAD – Siège de l’OMSA

L’Organisation mondiale de la santé animale (OMSA – fondée sous le nom d’OIE) est une organisation intergouvernementale de premier plan qui regroupe 183 membres dans le monde entier. Par ses activités, l’OMSA contribue de manière décisive à l’amélioration de la santé animale, à la protection du bien‑être des animaux et au renforcement des services vétérinaires. L’Organisation fournit des informations transparentes sur la situation de la santé animale dans le monde et promeut des normes internationales, notamment en ce qui concerne la sécurité du commerce des animaux vivants et des produits d’origine animale. De plus amples informations sont disponibles sur le site web de l’OMSA.

Rejoindre l’OMSA, c’est participer au développement de l’une des principales organisations internationales, reconnue et associée aux autres institutions multilatérales en matière de santé dans le monde. C’est contribuer à l’édification d’une approche globale de la santé au niveau mondial, réunissant santé animale et santé humaine dans le concept d’ « Une seule santé ». C’est rejoindre des équipes motivées par l’impact de leur action, le sens de leur engagement collectif et un professionnalisme reconnu dans leurs domaines de compétences respectifs.

Le siège de l’OMSA est à Paris. L’Organisation est présente sur tous les continents par l’intermédiaire de 13 Représentations régionales et sous régionales. L’OMSA emploie 250 agents, dont deux tiers basés au siège.

La mission du Département de l’intégration et de l’analyse des données (DIAD) est de renforcer les capacités de prise de décision de l’OMSA en analysant des données issues de diverses sources internes et externes et en fournissant des informations factuelles à l’OMSA, à ses Membres et à ses partenaires. Grâce à l’analytique avancée, à l’intégration des données et à la production de connaissances, le DIAD soutient une prise de décision fondée sur les données dans l’ensemble de l’Organisation.

Au sein du DIAD, l’équipe Épidémiologie et intelligence quantitative (EPIQ) collecte et analyse des informations non officielles provenant de médias en accès libre afin de détecter précocement des signaux non confirmés d’événements de maladies animales dans le monde, avant et parallèlement aux notifications officielles effectuées via le Système mondial d’information sur la santé animale (WAHIS).

Ces informations sont utilisées à des fins d’intelligence épidémique afin de renforcer la surveillance sanitaire animale internationale et de soutenir les activités de veille prospective relatives aux menaces émergentes.

L’équipe EPIQ travaille également en continu à l’amélioration des méthodes et outils utilisés pour collecter les informations non officielles, afin que les signaux pertinents soient identifiés de façon plus complète, plus rapide et avec moins d’efforts manuels. Dans la région Asie‑Pacifique, ce travail est mené conjointement avec le Bureau régional de l’OMSA pour l’Asie et le Pacifique (Tokyo), dans le cadre du projet « Renforcement de l’alerte précoce aux menaces dans la région », financé par le Department of Agriculture, Fisheries and Forestry (DAFF) du Gouvernement australien.

Les outils actuels de surveillance fondée sur les événements identifient principalement les articles pertinents au moyen d’un appariement lexical, tel que des listes de mots‑clés et des requêtes booléennes. En conséquence, des articles décrivant un événement avec un vocabulaire différent ou dans d’autres langues peuvent être manqués, tandis que des mentions hors sujet de noms de maladies augmentent le temps consacré au tri.

Les représentations vectorielles denses de texte (dense text embeddings), en particulier les modèles multilingues, pourraient permettre de faire correspondre les articles sur la base de leur sens plutôt que de leur formulation exacte, mais leur performance a fait l’objet de peu d’évaluations systématiques dans le domaine de la surveillance de la santé animale.

Dans ce contexte, le DIAD offre une opportunité de stage au sein de son Laboratoire de science des données (DS Lab) et de l’équipe EPIQ à un·e étudiant·e motivé·e s’intéressant au traitement automatique du langage naturel, à l’intelligence artificielle et aux statistiques appliquées à la surveillance de la santé animale.

Le stage est financé par le DAFF et s’inscrit dans le cadre du projet d’alerte précoce aux menaces dans la région Asie‑Pacifique. Basé·e au siège de l’OMSA à Paris, le ou la stagiaire développera et évaluera une preuve de concept d’un pipeline d’appariement sémantique destiné aux activités d’intelligence épidémique.

Description du poste

Positionnement et rattachement

Le ou la stagiaire rejoindra le Laboratoire de science des données (DS Lab) et l’équipe EPIQ du Département de l’intégration et de l’analyse des données (DIAD), sous l’autorité du Chef du DIAD et sous la supervision directe d’un Épidémiologiste vétérinaire principal et du Scientifique IA du DIAD, ainsi que d’une Responsable de l’information en santé animale au Bureau régional de l’OMSA pour l’Asie et le Pacifique à Tokyo, qui codirige les activités d’intelligence épidémique du projet.

Objectifs du poste

L’objectif de ce stage est de construire une preuve de concept d’un pipeline d’appariement sémantique, fondé sur des représentations vectorielles textuelles (text embeddings), susceptible de compléter la recherche lexicale dans les activités d’intelligence épidémique de l’OMSA. Le pipeline sera évalué à l’aide du même référentiel et dans les mêmes conditions que l’approche lexicale existante, avec une estimation de la sensibilité et de la spécificité par rapport aux événements confirmés dans WAHIS et aux données annotées par des expert·es.

Missions et activités

1. Revue des modèles d’embeddings

• Réaliser une revue des modèles d’embeddings candidats (multilingues, généralistes et biomédicaux, open source et commerciaux), en utilisant les modèles classiques d’embeddings de mots comme référence de complexité moindre.
• Les comparer en fonction de leur couverture des langues suivies par l’équipe EPIQ, de leur adéquation avec la terminologie vétérinaire et de santé animale, de leur coût computationnel et de leur latence à grande échelle, ainsi que de leurs conditions de licence et de déploiement (hébergement interne ou via API).

2. Mise en œuvre d’un pipeline de données fondé sur différents embeddings

• Développer un pipeline reproductible d’appariement sémantique (Python ou R) utilisant au moins deux ou trois modèles d’embeddings, comparant les articles entrants à un ensemble de descriptions de référence d’événements sanitaires et signalant les candidats sur la base de leur similarité sémantique.
• Appliquer le pipeline aux informations déjà collectées par l’équipe EPIQ et, lorsque cela est possible, à un flux indépendant d’articles issus de sources ouvertes, afin de distinguer sa valeur ajoutée dans la priorisation des articles déjà récupérés de sa capacité à identifier des articles pertinents non détectés par les approches fondées sur les mots‑clés.
• Utiliser des outils de codage assistés par l’intelligence artificielle (par exemple Claude Code, Codex) conformément aux bonnes pratiques, et documenter le pipeline ainsi que les méthodes utilisées.

3. Évaluation de la sensibilité et de la spécificité des pipelines en tenant compte des erreurs présentes dans les données de calibration

• Évaluer les performances de détection de chaque pipeline par rapport aux événements confirmés dans WAHIS et/ou à des ensembles d’articles annotés par des expert·es.
• Tenir compte des imperfections des données de référence, qui peuvent être incomplètes, retardées ou sujettes à des divergences entre annotateur·rices, au moyen de méthodes d’estimation à classes latentes (sans étalon‑or), couramment appliquées à l’évaluation des tests diagnostiques vétérinaires.
• Lorsque cela est possible, constituer un échantillon d’articles d’actualité annotés manuellement servant d’ensemble d’évaluation indépendant, afin de comparer la précision, le rappel et le score F1 entre les différentes approches dans les mêmes conditions.

4. Comparaison avec la référence lexicale existante

• Appliquer le même protocole d’évaluation à l’approche lexicale actuellement utilisée ou à une approximation reproductible de celle‑ci.
• Quantifier les situations dans lesquelles l’appariement sémantique améliore ou réduit le rappel et la précision, et identifier les langues, maladies et types de signaux pour lesquels il apporte la plus grande valeur ajoutée.

5. Communication, interaction et coordination avec l’équipe EPIQ et le Bureau régional de l’OMSA pour l’Asie et le Pacifique

• Interagir régulièrement avec l’équipe EPIQ et le Bureau régional de l’OMSA pour l’Asie et le Pacifique (Tokyo) concernant la conception du pipeline, les besoins en données et l’interprétation des résultats.
• Présenter les résultats et recommandations à l’équipe ainsi qu’aux collègues concerné·es du DIAD et du Bureau régional de l’OMSA pour l’Asie et le Pacifique, et contribuer au reporting du projet DAFF.

Le Chef du DIAD pourra, lorsque nécessaire, confier au ou à la titulaire toute autre tâche, responsabilité ou activité relevant de son domaine de compétence.

Qualifications et expérience

Qualifications requises

• Formation : actuellement inscrit·e dans un Master (M1/M2) ou en dernière année d’école d’ingénieur dans le domaine de la science des données, des statistiques, de l’informatique, du traitement automatique du langage naturel ou d’un domaine quantitatif connexe.
• Expérience : expérience académique ou pratique (projets, stage antérieur) dans le traitement de données textuelles et l’analyse statistique avec Python ou R.

Qualifications supplémentaires

• Expérience des embeddings de texte, de la recherche sémantique ou du traitement multilingue du langage naturel.
• Connaissances relatives à l’évaluation des tests diagnostiques ou aux modèles à classes latentes. Intérêt ou exposition préalable à la santé animale, à l’épidémiologie, à la surveillance en santé publique ou à l’approche « Une seule santé ».

Compétences requises

Compétences techniques

• Solides compétences en programmation appliquée à la science des données avec Python.
• Connaissance du traitement automatique du langage naturel, y compris des embeddings de texte et des grands modèles de langage (LLM).
• Expérience avec des outils de codage assistés par l’IA (par exemple Claude Code, Codex).
• Bonne maîtrise des statistiques, notamment de l’évaluation des performances de classification (sensibilité, spécificité, précision, rappel).
• Application des bonnes pratiques en matière de code reproductible : contrôle de version (Git), documentation et tests.
• Excellente maîtrise de l’anglais, à l’oral comme à l’écrit ; la connaissance du français ou de l’espagnol constitue un atout.

Compétences interpersonnelles

• Esprit analytique, rigueur et attention portée à la qualité des données.
• Autonomie, curiosité et capacité à apprendre rapidement de nouveaux outils.
• Esprit critique vis-à-vis des résultats produits par l’IA et de l’interprétation des résultats statistiques.
• Capacité à travailler au sein d’une équipe multiculturelle et multidisciplinaire et à communiquer avec les parties prenantes internes.

Informations complémentaires

Conditions de travail

Poste à temps plein basé au siège de l’OMSA à Paris.

– Rémunération : Le salaire mensuel est de 715 EUR.

– Durée : 6 mois

– Date de début: dès que possible

– Lieu : Siège de l’OMSA, 12 rue de Prony, 75017 Paris, France.

Éligibilité et date de début

Ce stage requiert une convention avec l’établissement académique de l’étudiant·e. La sélection du ou de la candidat·e ainsi que la date de début du stage dépendront de l’adéquation du profil avec le poste, ainsi que des contraintes opérationnelles et de financement associées au stage. La personne sélectionnée devra être en mesure de commencer le stage en présentiel à Paris (France) au plus tard le 18 janvier 2027, afin de garantir que les activités du stage puissent être réalisées pendant la période de financement applicable.

Informations générales

L’OMSA accorde une grande importance à un environnement de travail multiculturel et positif.

L’OMSA est un employeur qui prône l’égalité des chances et accueille les candidatures de tous les candidats qualifiés, indépendamment de leur origine, de leur genre, de leurs opinions ou de leurs croyances.