Ingénieur de recherche en analyse de données et méthodes computationnelles

Le Centre national de la recherche scientifique est un organisme public de recherche pluridisciplinaire placé sous la tutelle du ministère de l’Enseignement supérieure et de la Recherche. Créé en 1939 et dirigé par des scientifiques, il a pour mission de faire progresser la connaissance et être utile à la société dans le respect des règles d’éthique, de déontologie et d’intégrité scientifique.

Missions :
Dans le cadre d’un projet de recherche consacré à la communication politique et aux systèmes de recommandation des plateformes numériques en contexte électoral, l’ingénieur de recherche aura pour mission de développer et de mettre en œuvre les traitements informatiques nécessaires à la collecte et à l’analyse de grands corpus de données numériques.

Il contribuera notamment à la collecte de données via les API des plateformes numériques, à leur structuration et à leur analyse à l’aide de méthodes de traitement automatique du langage, d’apprentissage automatique et de modèles de langage. Le projet porte sur des données issues notamment de Facebook, Instagram, X/Twitter, TikTok et YouTube et prévoit une collecte structurée afin de permettre des comparaisons dans le temps et entre plateformes.
Activités :
• Mettre en œuvre et maintenir les procédures de collecte de données via les API des plateformes numériques.
• Préparer, nettoyer, structurer et harmoniser des corpus de données issus de différentes plateformes.
• Développer, entraîner et évaluer des méthodes de traitement automatique du langage et d’apprentissage automatique pour la classification et l’analyse des contenus.
• Mettre en œuvre des méthodes d’analyse sémantique, notamment embeddings, clustering, topic modeling et reconnaissance d’entités nommées.
• Contribuer à l’analyse de contenus textuels et multimodaux et à leur mise en relation avec les indicateurs de visibilité et d’engagement.
• Participer au développement de méthodes de détection et de caractérisation de contenus générés par des intelligences artificielles génératives.
• Exploiter des jeux de données annotées pour l’apprentissage, l’évaluation et la comparaison des modèles.
• Produire, versionner et documenter les scripts, notebooks, jeux de données et procédures développés afin d’assurer la reproductibilité des traitements.

Contexte de travail :
L'ingénieur de recherche (H/F) sera affecté à UTOPI (UMR 5311 CNRS) à Sciences Po Toulouse et intégrera une équipe interdisciplinaire réunissant des chercheur·ses et ingénieur·es en sciences humaines et sociales et en informatique. Le projet associe notamment UTOPI, la Bibliothèque nationale de France, le CESSP, l’INRIA et le LAAS-CNRS, avec des compétences en communication politique numérique, méthodes computationnelles, apprentissage automatique et audit des systèmes de recommandation.

L'ingénieur de recherche (H/F) travaillera en interaction étroite avec les membres du consortium chargés de la collecte et de l’analyse des données et participera aux réunions scientifiques et techniques du projet. Il contribuera à la mise en place de méthodes et d’outils reproductibles destinés à être utilisés par les différentes équipes partenaires.

Le Centre national de la recherche scientifique est l’une des plus importantes institutions publiques au monde : 34 000 femmes et hommes (plus de 1 000 laboratoires et 200 métiers), en partenariat avec les universités et les grandes écoles, y font progresser les connaissances en explorant le vivant, la matière, l’Univers et le fonctionnement des sociétés humaines. Depuis plus de 80 ans, y sont développées des recherches pluri et interdisciplinaires sur tout le territoire national, en Europe et à l’international. Le lien étroit que le CNRS tisse entre ses missions de recherche et le transfert vers la société fait de lui un acteur clé de l’innovation en France et dans le monde. Le partenariat qui le lie avec les entreprises est le socle de sa politique de valorisation et les start-ups issues de ses laboratoires (près de 100 chaque année) témoignent du potentiel économique de ses travaux de recherche.

Competences :
• Maîtrise avancée de Python et des principaux outils de traitement et d’analyse de données.
• Maîtrise de l’environnement Git et des chaînes CI/CD.
• Maîtrise des méthodes de collecte automatisée de données sur le Web, notamment via les API des plateformes numériques et, lorsque nécessaire, par scraping.
• Maîtrise avancée du SQL et de l'optimisation des systèmes de gestion de bases de données modernes (PostgreSQL, DuckDB).
• Maîtrise des méthodes de traitement automatique du langage et d’apprentissage automatique appliquées à de grands corpus numériques.
• Expérience de l’entraînement, du fine-tuning et de l’évaluation de modèles de langage.
• Maîtrise des méthodes de chaînage de modèles de langage et de prompt engineering.
• Capacité à exploiter des environnements de calcul partagé ou des ressources GPU pour le traitement de volumes importants de données.
• Maîtrise des bonnes pratiques de développement reproductible, de versionnage et de documentation des traitements.
• Bonne connaissance des problématiques et méthodes des sciences humaines et sociales, notamment en sociologie politique ou en sciences sociales computationnelles.
• Capacité à traduire des hypothèses de recherche en protocoles computationnels et à contribuer à la conception des expérimentations, à l’interprétation des résultats et aux productions scientifiques du projet.
• Autonomie, rigueur, capacité à travailler en équipe et aptitude au travail interdisciplinaire.

Contraintes et risques :
Néant.