Data scientist / Vision par ordinateur pour manuscrits anciens (H/F)
Role details
Job location
Tech stack
Job description
Le/la titulaire du poste adapte et fait évoluer les pipelines open source du Vesuvius Challenge (segmentation de surface, dépliement virtuel, détection d'encre par réseaux de neurones) pour les appliquer aux données de tomographie d'autres rouleaux publiées en juin 2026. Il/elle contribue par ailleurs, au sein du projet ERC PALAI, au développement d'une méthodologie de vision par ordinateur inspirée des outils du Vesuvius Challenge, applicable à l'ensemble du corpus de manuscrits palimpsestes étudié par le projet. Activités : Adaptation des outils Vesuvius Challenge:
- Adapter les pipelines open source du Vesuvius Challenge (segmentation de surface, dépliement virtuel, détection d'encre par réseaux de neurones) pour les appliquer aux données de tomographie de rouleaux carbonisés récemment publiées ;
- Prétraiter et recaler les volumes de tomographie traités, puis entraîner, valider et affiner des modèles de détection d'encre adaptés à la rareté des données annotées.
Développement méthodologique pour le corpus PALAI:
- Concevoir et formaliser, à partir de ce travail d'adaptation, une méthodologie de vision par ordinateur générique et transposable à l'ensemble du corpus de manuscrits palimpsestes étudié par le projet ;
- Tester des modèles de détection d'encre adaptés à la rareté des données annotées.
Valorisation:
- Documenter le code et la méthodologie développée, en vue d'une réutilisation par l'équipe sur d'autres manuscrits du corpus ;
- Contribuer à la valorisation scientifique des résultats issus de cette méthodologie.
Requirements
Connaissances:
- Vision par ordinateur et apprentissage profond (segmentation d'image, réseaux convolutifs, méthodes génératives) ;
- Traitement de volumes 3D / imagerie scientifique ou médicale ;
- Connaissance souhaitée des outils et de la littérature du Vesuvius Challenge ;
- Notions des problématiques de conservation et de diversité matérielle des manuscrits palimpsestes (supports, états de conservation, modalités d'acquisition), utiles à la généralisation méthodologique.
Compétences opérationnelles:
- Maîtrise de Python et des bibliothèques scientifiques usuelles (PyTorch ou TensorFlow, NumPy, scikit-image) ;
- Capacité à prendre en main une base de code scientifique existante, à l'adapter et à la faire évoluer ;
- Expérience de l'apprentissage avec peu de données annotées (semi-supervisé, données synthétiques, transfer learning) ;
- Capacité à formaliser une méthodologie générique à partir d'un développement appliqué, et à la documenter en vue d'une réutilisation par d'autres membres de l'équipe.
Compétences comportementales:
- Autonomie et capacité à documenter son travail pour une réutilisation par l'équipe ;
- Aptitude au travail en contexte interdisciplinaire (philologie, imagerie, IA) ;
- Anglais scientifique courant. Contraintes et risques :
Niveau d'études minimum requis
- Niveau Niveau 7 Master/diplômes équivalents
- Spécialisation Informatique, traitement de l'information, réseau de transmission des données
Langues
- Français Seuil
Benefits & conditions
- Nature de l'emploi Emploi ouvert uniquement aux contractuels
- Nature du contrat
CDD d'1 an
- Expérience souhaitée Non renseigné
- Rémunération Fourchette indicative pour les contractuels entre 2 991,58 € et 4 756,76 €, selon expérience € brut/an Fourchette indicative pour les fonctionnaires Non renseignée
- Catégorie Catégorie A (cadre)
- Management Non renseigné
- Télétravail possible Non renseigné