Spécialiste en extraction de données Web

CESI est une école d'ingénieurs qui fait de la promotion sociale par l'excellence un modèle de réussite. Rejoignez un environnement stimulant où l'esprit d'équipe, la diversité des projets et l'autonomie ne font qu'un. Découvrez une école qui a su développer un modèle unique et se donne les moyens au quotidien de relever les grands défis de l'époque. Nos 25 campus, 28 000 étudiants, 8000 entreprises partenaires et 106 000 alumni témoignent de l'impact de CESI au niveau national.

CESI accompagne ses étudiants en utilisant des méthodes innovantes de pédagogie active. L'établissement forme avec rigueur les futurs ingénieurs, techniciens et managers, dans les secteurs suivants : l'Industrie & l'Innovation, le BTP, l'Informatique et le Numérique et le Développement Durable. Parallèlement, CESI concrétise son engagement dans la Recherche à travers des activités menées au sein de son Laboratoire d'Innovation Numérique, CESI LINEACT.

Les partenariats établis avec 130 universités à travers le globe, attestent de l'engagement international de CESI. Ces liens privilégiés offrent aux élèves ingénieurs une mobilité sortante et entrante à l'échelle internationale, façonnée notamment par des stages obligatoires faisant partie intégrante de leur cursus.

Intégrer Linéact au sein de CESI pour un stage de recherche serait une formidable opportunité de contribuer à des projets innovants, tout en approfondissant vos compétences dans un environnement à la pointe de la transformation numérique et de l'industrie 4.0

Projet de stage

Contexte scientifique

Dans le contexte de la recherche en santé, la capacité à accéder rapidement aux opportunités de financement est un levier stratégique pour les chercheurs, les cliniciens et les institutions. Aujourd'hui, plus de 300 appels d'offres sont diffusés chaque année, mais leur collecte manuelle est chronophage, fastidieuse et sujette aux oublis.

Dans ce contexte, le CESI Dijon et le GIRCI Est proposent un stage de Master 2 visant à concevoir et développer une application de veille automatisée des appels à projets en santé. Ce projet s'inscrit dans une dynamique d'innovation en soutien aux professionnels de la recherche médicale et vise à alimenter automatiquement le Thésaurus des Financements, un annuaire national en accès libre piloté par le GIRCI Est (https://www.girci-est.fr/thesaurus).

L'objectif du stage est de développer une solution modulaire, intégrant les outils de web scraping, d'automatisation et de traitement de données, tout en tenant compte de l'environnement numérique existant du GIRCI Est.

Objectifs du stage

1. Cartographier et analyser les sources d'informations pertinentes (sites web, flux RSS, newsletters, etc.)

2. Développer des scripts Python de web scraping robustes et adaptables à différents formats et technologies (HTML statique, JavaScript dynamique)

3. Structurer les données extraites selon les modèles du Thésaurus (intitulé, échéance, organisme, type de financement, cible, etc.)

4. Automatiser la collecte et le traitement via des tâches planifiées (cron, Airflow, etc.)

5. Intégrer la solution dans l'infrastructure existante du GIRCI Est (hébergement, workflow, export)

6. Fournir une documentation technique complète ainsi que des recommandations pour la mise en production

7. Optionnel : développer une interface utilisateur minimale pour le contrôle manuel ou l'aperçu des données

8. Rédiger un rapport de stage complet avec proposition de pérennisation et évolutivité

Livrables attendus

• Étude comparative des solutions techniques (analyse SWOT)

• Application fonctionnelle (prototype Python)

• Fichiers de sortie formatés (CSV, JSON ou API REST)

• Intégration testée avec le Thésaurus des Financements

• Documentation technique et utilisateur

• Planning d'industrialisation et estimation de charge

• Recommandations de pérennisation dans l'environnement GIRCI

Encadrement du stagiaire

Le stagiaire sera co-encadré par GIRCI Est et CESI, avec des rapports d'avancement qui seront régulièrement partag