Offre d'emploi DATA SCIENTIST à Nantes

Le bénéficiaire souhaite une prestation d'accompagnement sur Nantes, dans le cadre de son programme d’accélération de l’IA.

Contexte : Dans le cadre du chantier Knowledge Management (KM), une base de connaissance doit être constituée à partir de documents non structurés (PDF, Word, HTML).

Cette base servira à formaliser la connaissance sous une forme agnostique des usages, en vue d'une réutilisation large et durable.

Objectif de la mission : Concevoir un pipeline d'extraction, nettoyage et structuration de la connaissance textuelle issue de documents variés, en l'organisant dans un format pivot enrichi et exploitable.

Activités principales :

• Extraction du texte depuis des fichiers PDF, Word, HTML via des librairies adaptées

• Nettoyage et normalisation des contenus (suppression de bruit, OCR si nécessaire)

• Segmentation des textes en unités de connaissance structurées (sections, blocs)

• Enrichissement des unités avec des métadonnées (source, date, thème, typologie)

• Conception du format pivot (Markdown enrichi ou JSON) standardisé

• Documentation le format et les choix de structuration

• Collaboration avec l’équipe KM pour affiner la structuration

• Mise en place un script ou pipeline réutilisable pour de nouveaux documents

• Bonne connaissance de Domino Data Lab (optionnel)