INGÉNIEUR EN DÉVELOPPEMENT ET OUTILLAGE DE CORPUS COMPLEXES

Recrutement CDD 11 mois

École Normale Supérieure de Lyon

Affectation : Laboratoire Interactions Corpus Apprentissages
Représentations CNRS/Université de Lyon UMR5191 - Équipes CÉDILLES et
Axe transversal CCC (Cellule Corpus Complexes).

Directrice laboratoire : Sandra Teston-Bonnard
(sandra.teston-bonnard@ens-lyon.fr)

Contact : merci d'adresser au plus vite CV + lettre de motivation à
Denis Vigier (denis.vigier@ens-lyon.fr)

Durée du contrat : 11 mois

Date de début du contrat : Date de la prise de fonction

Lieu de travail : Ecole Normale Supérieure de Lyon, Bâtiment
Recherche, 15 parvis René Descartes, 69007 Lyon.

Diplôme demandé : Master ou Doctorat

Contexte. 

Dans le cadre du Labex ASLAN, le laboratoire ICAR développe des bases
de données textuelles destinées à l'étude de la langue française, dans
des perspectives diachroniques et synchroniques. Ces bases comportent
notamment des corpus textuels diachroniques (corpus Presto, XVI e -
XXI e siècles), des corpus multimodaux (oral/transcription) et des
corpus d'écrit médié par ordinateur (tweets). Ces bases continuent
d'être enrichies, à l'occasion de projets débutés récemment (pour les
tweets, projet ANR SoSweet, octobre 2015 - octobre 2019) ou terminés
depuis peu (pour le français des XVI e - XXI e siècles, projet ANR-DFG
PrESTo, avril 2013 - avril 2017 ; pour le français parlé, projet ANR
Orféo, février 2013 - février 2017).

Mission. 

Le travail de l'ingénieur recruté s'inscrira principalement (75%) dans
la suite du projet Presto, et secondairement (25%) sur des objectifs
transversaux liés aux autres corpus du laboratoire (notamment, projets
Orféo et SoSweet) ; dans ce cadre, l'ingénieur se mettra aussi à la
disposition de l'unité pour répondre aux besoins éventuels qui
émergeraient à partir de travaux menés dans les différentes équipes
(CLAPI, ViSA...).

Les missions de l'ingénieur concernent plusieurs étapes du cycle de
vie d'un corpus. Elles consisteront principalement : (1) à entretenir
les bases constituées (maintenance, amélioration, diffusion,
valorisation), (2) à veiller à leur intégration dans les outils
utilisés par l'équipe, (3) à accompagner l'enrichissement (apport de
textes nouveaux) de la base Presto. Il conviendra en outre de
développer, en collaboration avec les membres de l'équipe, (4) des
outils pour l'annotation automatique de ces données textuelles,
généralement plus « bruitées » que l'écrit standard (écrits relevant
d'états de langue anciens, oral transcrit, écrit médié par la
machine), et (5) des outils pour l'accès et l'exploitation de ces
données en ligne.

Dans le cas de la base Presto, l'ingénieur pourra s'appuyer sur les
outils de traitement de corpus déjà développés dans le cadre du projet
et qui doivent être enrichis sur plusieurs plans : couverture de
nouveaux types de textes, amélioration de l'analyse en POS/lemmes
existante, élaboration d'un nouveau niveau d'analyse en dépendances
syntaxiques

Qualités personnelles : l'ingénieur devra faire preuve d'aptitudes
relationnelles pour le travail en équipe, de qualités de rigueur
scientifique et d'autonomie, d'esprit d'initiative


Compétences requises 

Compétences Informatique
- Développement Unix (Shell, logithèque GNU...) : Maîtrise
- Développement open-source (SVN, GIT, Javadoc, Doxygen...) : Application 

- Programmation (Perl, Python, Java...) et conception logicielle
  (architectures n-tiers et MVC) : Expert
- Expressions régulières : Maîtrise
- Gestion des sites et développement Web (client et serveur) : PHP,
  JavaScript, CSS, Apache : Maîtrise 
- Traitement XML: DOM, SAX, XPath, XSL : Maîtrise
- Langage SQL, SGBD MariaDB, ou à défaut MySQL : Maîtrise
- Développement d'IHM, ergonomie des interfaces : Application 

Compétences TALN
- Statistiques textuelles et R : Maîtrise
- Création de ressources et utilisation d'étiqueteurs pour l'analyse
morpho-syntaxiques et en dépendances  : Expert
- Traitement de l'écrit, en particulier « bruité » : Expert
- Outils d'exploration de corpus : CQP/CWB, TXM, Primestat, ScienQuest
  : Maîtrise
- XML-TEI : Maîtrise
- Gestion de projet en TALN  : Expert


Langues 

- Français : Expert
- Anglais : Maîtrise