Expert en Science des Données Réf. 2026-1435 H/F Sorbonne Université– Services Universitaires
- Paris 6e - 75
- CDD
- Bac +5
- Enseignement • Formation
À noter sur ce job
Vous avez ces compétences ? Cliquez dessus pour les ajouter rapidement à votre profil !
Les missions du poste
Fonctions :Expert-e en science des données
Catégorie : A
Corps : IGR
BAP : E
CDD de 2 ans.
Mission :
L'ingénieur·e de recherche est le/la référent·e du projet ANR MELODY au sein de l'équipe Data Science de SCAI. Sa mission principale est de constituer le corpus de référence verdien : transcription, structuration, documentation et mise en qualité scientifique des esquisses de Giuseppe Verdi en MusicXML. Il/elle en assure l'exploitation avec l'équipe Data Science pour l'entraînement, l'analyse et l'évaluation des modèles d'IA.
1. Constitution du corpus verdien (WP3)
- Transcrire les esquisses de Verdi en MusicXML et constituer un corpus de référence pour la reconstruction musicale assistée par IA
- Structurer les matériaux : fragments, états du texte musical, segmentation, portées, voix, instrumentation et continuité des passages
- Produire les métadonnées scientifiques : sources, datation, état d'achèvement, incertitudes et hypothèses éditoriales
- Documenter les choix de transcription et garantir la qualité et la traçabilité scientifique du corpus
- Collaborer avec l'IReMus sur les questions de style, d'authenticité historique, de phrasé et d'écriture vocale et orchestrale
2. Référent·e du projet MELODY
- Assurer le suivi opérationnel côté SCAI : calendrier, jalons et livrables du WP3
- Coordonner les échanges entre l'équipe Data Science, l'IReMus et les autres partenaires
- Traduire les objectifs musicologiques en spécifications pour l'équipe : formats, métadonnées, tâches et critères d'évaluation
- Identifier les risques et blocages et contribuer aux livrables et rapports scientifiques
3. Interaction avec l'équipe Data Science
- Produire des jeux de données versionnés et documentés selon les pratiques de l'équipe
- Participer aux pipelines de traitement : validation et normalisation MusicXML, représentation, tokenisation, augmentation et corpus complémentaires
- Contribuer à l'analyse musicologique des modèles : caractérisation du style verdien, analyse stylistique et lecture critique des reconstructions et générations
- Concevoir des protocoles d'évaluation experte et contribuer aux publications associant musicologie et IA
4. Vie et projets de l'équipe
- Participer aux réunions, revues de travaux et à la documentation du Pôle Ingénierie IA
- Contribuer à des projets transverses autour des données patrimoniales, culturelles et des humanités numériques
- Assurer une veille en musicologie numérique, représentations symboliques et IA générative musicale
5. Formation et diffusion
- Contribuer aux formations, workshops et séminaires de SCAI sur l'IA appliquée à la musique et au patrimoine
- Intervenir ponctuellement dans les enseignements et contribuer au suivi de stagiaires
- Participer à la valorisation du projet : séminaires, journées d'étude, publications et communications scientifiques
Le profil recherché
Connaissances :
- Doctorat (souhaité) ou diplôme d'ingénieur en musicologie, musicologie numérique, humanités numériques, édition musicale, ou discipline proche
- Bonne connaissance de la musique du XIXe siècle, et idéalement de l'oeuvre de Giuseppe Verdi et du contexte opératique italien
- Maîtrise des principes de transcription musicale savante à partir de sources manuscrites ou d'esquisses
- Bonne connaissance des formats de représentation de la musique symbolique, en particulier MusicXML (MEI, Humdrum/kern appréciés).
- Familiarité avec les enjeux d'édition, de structuration de corpus et de qualité des données en recherche
- Connaissances de base en programmation Python et en outils de traitement de la musique symbolique (music21 ou équivalent) ; notions de Git
- Compréhension générale des principes de l'apprentissage automatique (données d'entraînement, évaluation, biais) ; une première expérience de collaboration avec des équipes IA est un atout
Compétences opérationnelles :
- Transcrire avec rigueur des matériaux musicaux fragmentaires ou complexes
- Structurer un corpus et documenter les transcriptions de manière normalisée et versionnée
- Identifier les zones d'incertitude et expliciter les hypothèses de lecture ou de restitution
- Assurer le suivi d'un projet : planification, coordination de partenaires, reporting
- Travailler en équipe interdisciplinaire avec des musicologues et des spécialistes IA ; vulgariser les enjeux musicologiques auprès d'ingénieurs et inversement
- Produire des synthèses écrites claires en français et en anglais.
Animer des ateliers ou des séances de formation
Compétences comportementales :
- Rigueur scientifique
- Autonomie et sens de l'organisation
- Esprit d'analyse
- Goût pour le travail collectif et le partage de connaissances
- Intérêt pour l'interdisciplinarité et curiosité pour les méthodes computationnelles
- Pédagogie
- Capacité à articuler précision philologique et objectifs de structuration numérique
Diplôme souhaité :
- Doctorat ou diplôme d'ingénieur
Domaine de formation souhaité :
- Musicologie, musicologie numérique, humanités numériques, édition musicale, histoire de la musique
- Une double compétence musicologie / informatique est appréciée
Bienvenue chez Sorbonne Université– Services Universitaires
Créé par Sorbonne Université, SCAI (Sorbonne Cluster for Artificial Intelligence) rassemble un ensemble stratégique de disciplines de l'intelligence artificielle (IA) et favorise une recherche interdisciplinaire associant communautés académiques et partenaires industriels.
Au sein de SCAI, le Pôle Ingénierie IA assure la mise en oeuvre des projets scientifiques et technologiques. Son équipe Data Science conduit des projets interdisciplinaires avec les laboratoires de Sorbonne Université et leurs partenaires (NLP/LLM, signal et image, données patrimoniales et culturelles) et contribue aux formations de SCAI.
Projet ANR MELODY :
MELODY - Musicology Enhanced by Large Language Models and Deep Learning - vise à renouveler l'analyse et la génération musicales en combinant IA, modèles de langage, données musicales en MusicXML et expertise musicologique. Le projet porte notamment sur l'interaction texte-musique, l'analyse harmonique et la reconstruction d'oeuvres inachevées.
Le WP3 est consacré à la reconstruction et à la génération musicale à partir des esquisses inachevées de Verdi. Il prévoit leur transcription en MusicXML, la constitution d'un jeu de données de référence, puis l'entraînement et l'évaluation de modèles génératifs.
Rattachée à l'équipe Data Science, la personne recrutée sera référente du projet MELODY : suivi du projet, qualité musicologique des données et résultats, et coordination avec les partenaires musicologues, notamment l'IReMus.
Publiée le 05/10/2026 - Réf : 2026-2430432
