Contexte et atouts du poste
Dans le cadre d'une coopération avec la Philarmonie de Paris, nous cherchons à déveoper une approche RAG pour la recherche sur les enregistrements de ses conférences.
Mission confiée
La Philharmonie cherche à améliorer les 2 aspects suivants:
• L’extraction des entités nommées
• La pertinence des résultats de recherche.
Extraction des entités nommées
Pour l’extraction d’entités nommées, il serait pertinent de considérer la possibilité de contraindre le modèle à utiliser un référentiel propre pour corriger les défauts de cette extraction.
L’exploitation d’un graphe de connaissance serait une piste concrète. En particulier, le modèle DOREMUS [ limité à description des personnes et œuvres musicales dont la Philharmonie dispose dans son SIGB. Ce graphe devra pouvoir être facilement et souvent mis à jour, par un export simple des notices du SIGB.
Pertinence des résultats de recherche
Pour l’amélioration de la pertinence des résultats de recherche, la Philharmonie est confrontée à la problématique de l’intégration de plusieurs sources de données :
• Les métadonnées générées par les catalogueurs, qui décrivent sommairement les conférences (titre de la conférence, titres des parties, intervenants, quelques mots-clés)
• Le contenu texte des transcriptions
• Les vecteurs issus de la création des embeddings.
Une première approche pour améliorer la pertinence des résultats a été proposé. Cette approche injecte les métadonnées lors de la création des embeddings. Bien que cette opération se révèle globalement bénéfique, elle introduit simultanément un certain niveau de bruit informationnel, susceptible d’affecter la qualité des résultats obtenus. Une première question, de portée générale, concerne ainsi la valorisation optimale des métadonnées : quelles stratégies peuvent être mises en œuvre pour exploiter ces informations de manière à maximiser la précision, la cohérence et la robustesse des processus de recherche ?
Par ailleurs, le système de requêtes actuel n’exploite pas pleinement le contenu textuel des conférences auquel il a pourtant accès. L’intégration de cette dimension textuelle constitue une piste d’amélioration potentiellement significative. Il convient dès lors d’examiner dans quelle mesure la combinaison des approches fondées sur la proximité sémantique et sur la recherche plein texte traditionnelle pourrait contribuer à une meilleure hiérarchisation des résultats selon leur pertinence.
Enfin, la construction d’un graphe de connaissances dédié au domaine musical — incluant les entités telles que les œuvres, leurs interrelations et les artistes — ouvre la voie à de nouvelles perspectives d’analyse. Il s’agit en particulier d’évaluer dans quelle mesure l’exploitation de ce graphe peut permettre d’enrichir la représentation sémantique des entités et d’accroître la pertinence des résultats de recherche.
Une voie de développement complémentaire concerne l’exploitation du corpus constitué des quelque 4 700 programmes de salle (au format PDF) produits par la Philharmonie.
L’analyse et la structuration de ces documents ouvrent deux axes de recherche prioritaires :
1. Enrichissement du graphe de connaissances : les programmes de salle contiennent une information riche sur les œuvres, les compositeurs, les interprètes, les dates et contextes de performance. Leur intégration permettrait d’améliorer la couverture et la granularité du graphe de connaissances dans le domaine musical.
2. Adaptation fine des modèles linguistiques : ce corpus pourrait également être mobilisé pour le fine-tuning de modèles de langage spécialisés en musicologie et en traitement automatique des textes musicaux, favorisant ainsi une meilleure compréhension contextuelle des entités et des relations propres au domaine.
Principales activités
Étude de l’existant (POC développé par la Philharmonie, étude du corpus)
Réalisation d’un état de l ‘art concernant l’utilisation des techniques d’IA pour l’extraction d’entités nommées et sur les approches de récupération d’information.
Mise en place d’une méthode d’extraction d’entités nommées, potentiellement exploitant des graphes de connaissances de domaine.
Mise en place d’une méthode de calcul de pertinence de résultats des recherches sur le corpus de transcriptions de conférences audio et vidéo.
Evaluation des méthodes proposées.
Intégration des méthodes proposées dans l’interface de recherche de la Philharmonie et déploiement sur ses infrastructures.
Compétences
Connaissances et compétences requises en matière de web sémantique, de modèles d'intégration et de recherche d'informations.
Compétences en développement logiciel : Python, web sémantiqueCompétences relationnelles : esprit d'équipe (communication verbale, écoute active, motivation etengagement).
Autres atouts appréciés : bon niveau d'anglais parlé et écrit.
Avantages
3. Restauration subventionnée
4. Transports publics remboursés partiellement
5. Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
6. Possibilité de télétravail (après 6 mois d'ancienneté) et aménagement du temps de travail
7. Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
8. Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria)
9. Accès à la formation professionnelle
10. Sécurité sociale
11. Accès à la formation professionnelle
12. Participation employeur mutuelle santé (sous conditions)
Rémunération
2788 € brut / mois
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.