Stage de fin d'études en système de recommandation

Sujet de stage : Système de recommandation multimodal d'influenceurs : découverte, scoring "vendeur" et adéquation marque-produit (Instagram, TikTok, YouTube, X…)

Contexte : Le marketing d'influence est devenu un canal majeur d'acquisition, mais l'identification des influenceurs "les plus vendeurs" reste souvent manuelle, subjective et coûteuse. Les signaux sont hétérogènes (images/vidéos, textes, interactions, audiences, historiques de campagnes) et varient fortement selon la plateforme. L'objectif est de concevoir un moteur de recommandation multimodal capable de proposer automatiquement les influenceurs les plus pertinents pour une enseigne, en combinant contenu, engagement, émotions, affinité marque et performance commerciale

Problématiques techniques e scientifiques :

· Fusion multimodale (image/vidéo + texte + signaux numériques) pour représenter un influenceur.

· Recommandation orientée business : optimiser non seulement l'engagement, mais aussi un proxy de performance commerciale.

· Cold-start (nouveaux influenceurs / nouvelles marques / nouveaux produits).

· Biais & fraude (engagement artificiel, audiences non qualifiées).

· Interprétabilité : expliquer "pourquoi" tel influenceur est recommandé.

Objectif du stage : Identifier et recommander, pour une enseigne donnée, les influenceurs les plus pertinents et les plus performants commercialement en analysant simultanément :

· Contenus visuels (photos/vidéos, style, ambiance, univers),

· Textes (posts, descriptions, commentaires),

· Statistiques d'engagement (likes, commentaires, partages, vues, taux),

· Émotions (visuelles + verbales),

· Adéquation avec la marque / les produits (brand fit),

· Historique de performance (ventes, conversions, ROI, codes promo/UTM, campagnes passées).

Travail demandé :

1. Collecte & préparation des données multi-plateformes

· Définir le schéma unifié (contenus, métadonnées, engagement, audience, campagnes).

· Construire un pipeline d'ingestion (APIs, exports internes) + nettoyage/normalisation.

1. Extraction de représentations multimodales

· Visuel : embeddings via modèles type CLIP/SigLIP, ViT, ou encodeurs vidéo (échantillonnage de frames).

· Texte : embeddings (Transformers), extraction de thèmes, ton, sentiment/émotions.

· Signaux numériques : taux d'engagement, croissance, régularité, typologie d'audience (si dispo), indicateurs de "suspicion".

1. Modélisation Recommender System

· Candidate generation (retrieval) : modèle bi-encodeur/two-tower (marque/produit influenceur) sur embeddings multimodaux.

· Ranking (re-rank) : modèle de scoring qui optimise des objectifs multi-critères (brand-fit, engagement, sécurité de marque, performance commerciale).

· Prise en compte de la performance commerciale historique (apprentissage supervisé / learning-to-rank), et gestion du bruit (attribution imparfaite).

1. Évaluation et validation

· Offline : / / , et métriques business (uplift estimé, ROI proxy).

· Études de cas : recommandations sur des campagnes passées (backtesting).

· Analyse robustesse : stabilité inter-plateformes, sensibilité au cold-start.

1. Industrialisation & restitution

· API de recommandation (ex. FastAPI) + export "top-K influenceurs" avec explications (drivers : style visuel, thèmes, audience, performance).

· Dashboard / rapport : insights, segments d'influenceurs, recommandations actionnables

Résultats attendus

· Pipeline data + dataset expérimental documenté.

· Modèle de recommandation (retrieval + ranking) + scripts d'entraînement/évaluation.

· API (ou prototype) de recommandation + exemples d'usage.

· Rapport : méthodologie, résultats, limites, recommandations de déploiement.

Formation requise

Étudiant(e) M2 / dernière année école d'ingénieur :

· Python, ML/DL, bases en NLP et vision, notions de systèmes de recommandation.

· Rigueur expérimentale (tracking, reproductibilité).

· Bonus : MLOps, vector search, analyse de séries (croissance), détection de fraude.

Lieu du stage

Le stage se déroulera à plein temps sur le site de Audensiel à 93 Rue Nationale, 92100 Boulogne-Billancourt.

Type d'emploi : Stage

Durée du contrat : 6 mois

Rémunération : Jusqu'à 850,00€ par mois

Lieu du poste : En présentiel