*Introduction*

Le projet TARTOAS (Traitement Automatique des langues Régionales :
Transcription de l'Oral et Annotation Syntaxique) est porté
conjointement par l'Université Sorbonne Nouvelle - à travers les
laboratoires Lattice et LPP - et par l'INALCO, avec la participation de
l'équipe ERTIM. Ce projet vise à constituer et enrichir des corpus
linguistiques pour différentes langues régionales de France, tout en
développant des outils adaptés à leur traitement automatique.

Une attention particulière est portée aux corpus oraux, dont la
transcription et l'annotation représentent un défi spécifique, mais
essentiel pour la compréhension des relations entre les formes écrites
et orales des langues. Le projet s'intéresse à des langues telles que
le wallon, le picard, l'occitan ou encore le paicî (langue de
Nouvelle-Calédonie). Les langues sur lesquelles porteront les stages
seront choisies en fonction des compétences et des intérêts des
étudiant.es impliqué.es et les encadrant.es.


*Stage*

Deux bourses de stages de Master 2 sont proposées. Les stages
s'adressent à des étudiant·es en traitement automatique des langues,
linguistique, phonétique ou informatique appliquée aux sciences du
langage. Les stagiaires seront intégré.es aux travaux menés
conjointement par les laboratoires partenaires et contribueront à la
constitution, à l'analyse et à l'annotation de corpus, ainsi qu'au
développement ou à l'évaluation d'outils de traitement.

La durée du stage est de cinq à six mois, selon les disponibilités des
candidats et encadrants entre janvier et juillet 2026. Le stage pourra
être effectué au Lattice, à l'ERTIM, au LPP ou conjointement dans deux
laboratoires.


*Thématiques du Stage*
Selon le profil de l'étudiant·e et ses centres d'intérêt, le sujet de
stage pourra être orienté vers différents axes de recherche et
développement. Parmi les thématiques envisagées figurent :

-   la recherche dans les dictionnaires ou les corpus oraux par la voix
    plutôt que par saisie écrite
-   la mise en place de stratégies d'apprentissage actif (active
    learning) pour améliorer les systèmes de reconnaissance automatique
    de la parole (ASR)
-   la comparaison entre modèles de transcription, notamment entre
    architectures de type wav2vec et modèles fine-tunés sur des langues
    régionales
-   la conception d'un modèle de transcription phonétique en alphabet
    phonétique international (API)
-   l'exploration de l'usage des technologies ASR dans l'apprentissage
    d'une langue seconde (L2)
-   l'apprentissage non supervisé
-   le transfert entre langues similaires
-   l'interprétabilité des modèles et des mécanismes de transfert


*Postuler*

Profil recherché :

-   Étudiant·e en Master 2 recherche (TAL, linguistique, informatique,
    phonétique, sciences du langage ou disciplines proches)
-   Connaissances en Python ou en outils de traitement de corpus
-   Intérêt pour les langues régionales
-   (souhaitable) Familiarité avec HuggingFace et Transformers

Envoyer au plus tard le 17 novembre à Yoann Dupont, responsable du
projet (yoann.dupont@sorbonne-nouvelle.fr) :

-   un CV
-   une lettre de motivation précisant votre préférence pour le sujet
    de stage
-   un relevé de notes M1/M2

Cordialement,
*Yoann Dupont*