IGR en traitement d'images et IA appliqués aux manuscrits modernes

À propos
de nous Établissement Public à caractère Scientifique, Culturel et Professionnel (EPSCP), l’université de Tours est la première université de la région Centre-Val de Loire. Elle propose une offre de formation large, pluridisciplinaire, et interdisciplinaire et une recherche d’excellence reconnue. C’est aussi un établissement inscrit dans un environnement régional dynamique, connu pour la qualité de vie qu’il offre à ses habitants. Dans ce cadre, l’université de Tours se présente comme une université citoyenne, aux valeurs humanistes, socialement engagée, éthiquement responsable. L’université accueille 30 000 étudiantes et étudiants, et emploie aujourd'hui plus de 1200 personnels et plus de 1400 enseignants chercheurs. Pour accompagner son développement, l'université de Tours recrute chaque année de nouveaux talents. Ce poste, comme tous les postes de notre université, est ouvert aux candidats et candidates en situation de handicap. Mission Contexte Le projet de recherche européen PRIMA réexamine la façon dont la culture a été produite et diffusée en Europe moderne, entre 1575 et 1800. Hypothèse centrale : l'imprimé n'a pas été la technologie dominante de publication, le manuscrit est resté un support de publication massif pour les littérature, science et musique, notamment en Italie. Le projet cherche à établir qui produisait ces manuscrits, pour qui, en quelle quantité, selon quelles pratiques d'écriture, et les cas d'hybridation entre manuscrit et imprimé. Il combine méthodes qualitatives, approches quantitatives, traitements computationnels pour les fouille, production, recherche de données. Ses résultats incluent la constitution d'un centre d'études du manuscrit moderne et des publications en accès ouvert. L'ingénieur·e rejoindra le volet computationnel du projet, travaillera en interaction étroite avec les historien·ne·s, paléographes, littéraires. Pas de connaissance en paléographie exigée (formation interne). Goût du dialogue interdisciplinaire indispensable. Missions Segmentation, prétraitement des images : Reprendre, évaluer, améliorer l'outil de segmentation existant, analyse du papier. Concevoir les prétraitements adaptés aux documents anciens. Automatiser la chaîne pour la rendre exploitable sur des corpus de grande taille. Caractérisation des formes de lettres : Définir, implémenter des descripteurs. Évaluer comparativement ces représentations sur les corpus du projet. Classification, modélisation : Moissonnages des images et métadonnées des filigranes, mettre en œuvre des approches pour identifier et regrouper les allographes d'une même lettre et le motif du filigrane. Modéliser la dépendance de la graphie au contexte : position dans le mot, lettres voisines, ligatures. Comparer approches classiques et connexionnistes. Datation, localisation : Construire les distributions de référence à partir des documents datés et localisés fournis par l'équipe. Concevoir et valider les mesures de comparaison entre distributions, avec quantification de l'incertitude. Produire des résultats interprétables et discutables par les historien·ne·s du projet. Ingénierie, diffusion : Développer un code documenté, testé, versionné, reproductible. Constituer et documenter les jeux de données annotés dans une perspective de science ouverte. Participer à la rédaction des publications, présenter les travaux. Contribuer à l'encadrement technique de stagiaires/doctorant·e·s sur les aspects computationnels. Profil Savoir Requis : Domaine / Attendus : Traitement du signal et des images. / Filtrage, morphologie mathématique, segmentation, extraction et description de contours, analyse de formes, mise en correspondance Apprentissage automatique. / Classification supervisée et non supervisée, clustering, réduction de dimension, sélection de modèles, protocoles d'évaluation et validation croisée Modèles probabilistes. / Modèles graphiques et réseaux bayésiens, modèles de mélange, modèles séquentiels Apprentissage profond. / CNN pour la vision, architectures à attention et transformers, apprentissage auto-supervisé et par transfert, apprentissage métrique et few-shot Développement. / Python et son écosystème scientifique, Git, environnements reproductibles, calcul sur GPU Génie logiciel. / Code structuré, testé, documenté ; conception maintenable, évolutive Langues. / Français ou anglais courant ; lire, rédiger en anglais scientifique Le corpus est déséquilibré et faiblement annoté : maîtrise des méthodes adaptées aux données rares et bruitées appréciée Appréciés : Expérience en humanités numériques, travail avec des chercheur·se·s en sciences humaines ; Reconnaissance d'écriture manuscrite, familiarité avec des outils comme Transkribus, eScriptorium, Kraken ; Traitement automatique des langues : modèles de langue, modèles n-grammes, plongements lexicaux, correction et normalisation de textes bruités, langues anciennes ; Connaissance des standards de description et d'échange du patrimoine écrit ; Curiosité pour les humanités numériques, en particulier les écrits anciens. Savoir-faire Outils, méthodes de traitement des signal images Connaissance des bonnes pratiques en programmation Qualité, lisibilité, maintenabilité du code Assurer la qualité des données Reproductibilité des procédés, analyses, résultats Veille technologique, mise à jour des outils utilisés Communication écrite et orale, efficace sur des contenus techniques avec des chercheurs en SHS Savoir-être Sens du travail en équipe, autonomie, organisation Esprit d’initiative Rigueur, capacités d’analyse Informations Complémentaires Catégorie A
- IGR Poste ouvert aux contractuel.les : CDD sur projet de recherche Dossier de candidature : CV (sans photo) et lettre de motivation Date limite de candidature : 15 novembre 2026 Date de prise de poste : 1er mars 2027 Contact pour tout renseignement sur le poste : elena.pierazzo[at]univ-tours.fr toute candidature envoyée directement à cette adresse ne pourra être prise en considération. Référence de l'offre : r2ikesap92