POSTE : Consultant Data Vision-Langage & Extraction de Connaissance H/F DESCRIPTION : Dans le cadre d'un programme d'accélération de l'Intelligence Artificielle mené par un grand acteur du secteur bancaire nous recherchons un(e) Consultant(e) Data Vision-Langage & Extraction de Connaissance pour intervenir sur un chantier stratégique de Knowledge Management (KM). L'objectif est de construire une base de connaissance à partir de documents non structurés (PDF, Word, HTML), afin de formaliser la connaissance de manière agnostique et réutilisable à long terme. 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 PROFIL : 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