Contexte

L'équipe DSAM a développé une pipeline d’OCR avancée permettant l'extraction automatique et l’exploitation de données structurées à partir d'une grande base documentaire. Basée sur des architectures CNN pour la détection [1] et Transformers pour la reconnaissance [2] de texte, cette pipeline nécessite désormais une consolidation : amélioration des performances, validation approfondie, tests de robustesse et intégration d'une interface utilisateur, avant son déploiement industriel.

Les missions

Votre travail s'articulera autour de trois axes :

1- Amélioration des méthodes OCR

• Revue détaillée de la littérature, avec une attention particulière sur les architectures à l’état de l’art Transformers tels que TrOCR [3] ou GOT [4] et les Vision Language Models (VLM) tel que olmOCR [5].
• Expérimentation de ces nouveaux modèles et comparaison avec la solution actuelle.

2- Exploitation des données extraites

Développement d'algorithmes avancés issus de l’Information Retrieval [6] (Semantic Search, Word embedding, BERT, etc.) permettant un requêtage performant des données extraites.

3- Validation des performances

• Annotation d'un échantillon représentatif de documents Framatome pour une validation approfondie des méthodes.
• Analyse fine des performances, de la robustesse et diagnostic des cas d’échecs (compromis faux positifs / faux négatifs) en tenant compte des spécificités métiers.

Rejoignez notre équipe de R&D en IA et Data Science

Vous intégrerez le Centre de compétences en Data Science et Mathématiques Avancées (DSAM) de Framatome. L'équipe, composée d'experts en IA, apprentissage machine et ingénierie nucléaire, développe des solutions innovantes appliquées à des domaines tels que les systèmes critiques embarqués, les méthodes statistiques pour la démonstration de sûreté nucléaire, l’analyse de données multiphysiques expérimentales, la robotique ou l’IA générative.

Etudiant(e) en Master 2 ou équivalent, spécialisé(e) en science des données et intelligence artificielle, vous possédez :

• De solides compétences en apprentissage statistique et apprentissage profond.
• Une grande maîtrise de python, ses librairies usuelles et d’un framework Deep Learning (PyTorch, TensorFlow).
• Une maîtrise théorique des architectures Transformers et LLM, idéalement appuyée par une expérience sur un projet réel.
• Très bon niveau d'anglais technique.

Vous aimez évoluer en équipe, êtes dynamique, curieux(se), créatif(ve), impliqué(e), et souhaitez rapidement monter en compétences dans un environnement stimulant de recherche appliquée industrielle.