Consultant Data Vision-Langage & Extraction de Connaissance H/F Inetum

Vos missions :

- Extraire du texte depuis des fichiers PDF, Word, HTML via des librairies adaptées
- Nettoyer et normaliser les contenus (suppression de bruit, OCR si nécessaire)
- Segmenter les textes en unités de connaissance structurées (sections, blocs)
- Enrichir les unités avec des métadonnées (source, date, thème, typologie)
- Concevoir un format pivot standardisé (Markdown enrichi ou JSON)
- Documenter le format et les choix de structuration
- Collaborer avec l'équipe KM pour affiner les modèles de structuration
- Mettre en place un pipeline automatisé et réutilisable pour traiter de nouveaux documents

Compétences techniques requises :

- Maîtrise des outils et librairies d'extraction de texte (PDFMiner, Apache Tika, BeautifulSoup, etc.)
- Expérience en traitement de documents non structurés et en nettoyage de données textuelles
- Connaissance des techniques d'OCR (Tesseract ou équivalent)
- Compréhension des modèles Vision-Langage (VLM) et de leur application à la structuration de contenu
- Capacité à concevoir des formats de données structurés (JSON, Markdown enrichi)
- Bonnes compétences en scripting (Python, etc.) pour automatiser les traitements
- Connaissance de Domino Data Lab appréciée

Vos atouts pour réussir cette mission :

- Expérience significative en Knowledge Management, Data Engineering, ou Traitement Automatique du Langage (TAL)
- Autonomie, rigueur, et capacité à documenter clairement les choix techniques
- Bon relationnel pour collaborer avec des équipes pluridisciplinaires