IGR en traitement d'images et IA appliqués aux manuscrits modernes

Université de Tours · Tours (37) · Télétravail partiel

Publiée le 23 octobre 2026

Vos missions en quelques mots

Contexte

Le projet de recherche européen PRIMA réexamine la façon dont la culture a été produite et diffusée en Europe moderne, entre 1575 et 1800. Hypothèse centrale : l'imprimé n'a pas été la technologie dominante de publication, le manuscrit est resté un support de publication massif pour les littérature, science et musique, notamment en Italie.

Le projet cherche à établir qui produisait ces manuscrits, pour qui, en quelle quantité, selon quelles pratiques d'écriture, et les cas d'hybridation entre manuscrit et imprimé. Il combine méthodes qualitatives, approches quantitatives, traitements computationnels pour les fouille, production, recherche de données. Ses résultats incluent la constitution d'un centre d'études du manuscrit moderne et des publications en accès ouvert.

L'ingénieur·e rejoindra le volet computationnel du projet, travaillera en interaction étroite avec les historien·ne·s, paléographes, littéraires. Pas de connaissance en paléographie exigée (formation interne). Goût du dialogue interdisciplinaire indispensable.

Missions

Segmentation, prétraitement des images : Reprendre, évaluer, améliorer l'outil de segmentation existant, analyse du papier. Concevoir les prétraitements adaptés aux documents anciens. Automatiser la chaîne pour la rendre exploitable sur des corpus de grande taille.

Caractérisation des formes de lettres : Définir, implémenter des descripteurs. Évaluer comparativement ces représentations sur les corpus du projet.

Classification, modélisation : Moissonnages des images et métadonnées des filigranes, mettre en œuvre des approches pour identifier et regrouper les allographes d'une même lettre et le motif du filigrane. Modéliser la dépendance de la graphie au contexte : position dans le mot, lettres voisines, ligatures. Comparer approches classiques et connexionnistes.

Datation, localisation : Construire les distributions de référence à partir des documents datés et localisés fournis par l'équipe. Concevoir et valider les mesures de comparaison entre distributions, avec quantification de l'incertitude. Produire des résultats interprétables et discutables par les historien·ne·s du projet.

Ingénierie, diffusion : Développer un code documenté, testé, versionné, reproductible. Constituer et documenter les jeux de données annotés dans une perspective de science ouverte. Participer à la rédaction des publications, présenter les travaux. Contribuer à l'encadrement technique de stagiaires/doctorant·e·s sur les aspects computationnels.

Profil recherché

Savoir :

Requis : Domaine / Attendus :

Traitement du signal et des images. / Filtrage, morphologie mathématique, segmentation, extraction et description de contours, analyse de formes, mise en correspondance

Apprentissage automatique. / Classification supervisée et non supervisée, clustering, réduction de dimension, sélection de modèles, protocoles d'évaluation et validation croisée

Modèles probabilistes. / Modèles graphiques et réseaux bayésiens, modèles de mélange, modèles séquentiels

Apprentissage profond. / CNN pour la vision, architectures à attention et transformers, apprentissage auto-supervisé et par transfert, apprentissage métrique et few-shot

Développement. / Python et son écosystème scientifique, Git, environnements reproductibles, calcul sur GPU

Génie logiciel. / Code structuré, testé, documenté ; conception maintenable, évolutive

Langues. / Français ou anglais courant ; lire, rédiger en anglais scientifique

Le corpus est déséquilibré et faiblement annoté : maîtrise des méthodes adaptées aux données rares et bruitées appréciée

Appréciés : Expérience en humanités numériques, travail avec des chercheur·se·s en sciences humaines ; Reconnaissance d'écriture manuscrite, familiarité avec des outils comme Transkribus, eScriptorium, Kraken ; Traitement automatique des langues : modèles de langue, modèles n-grammes, plongements lexicaux, correction et normalisation de textes bruités, langues anciennes ; Connaissance des standards de description et d'échange du patrimoine écrit ; Curiosité pour les humanités numériques, en particulier les écrits anciens.

Savoir-faire :

Outils, méthodes de traitement des signal images

Connaissance des bonnes pratiques en programmation

Qualité, lisibilité, maintenabilité du code

Assurer la qualité des données

Reproductibilité des procédés, analyses, résultats

Veille technologique, mise à jour des outils utilisés

Communication écrite et orale, efficace sur des contenus techniques avec des chercheurs en SHS

Savoir-être :

Sens du travail en équipe, autonomie, organisation

Esprit d’initiative

Rigueur, capacités d’analyse

Niveau d'études minimum requis

Éléments de candidature

Documents à transmettre

Pour postuler à cette offre, l'envoi du CV et d'une lettre de motivation est obligatoire

Personnes à contacter

[…]

Informations complémentaires

Renseignements sur le poste : […] (Toute candidature envoyée directement à cette adresse ne sera pas prise en compte)

Dossier de candidature : CV (sans photo) et lettre de motivation

Conditions particulières d’exercice

Respect des calendriers prévus par le projet ERC

Déplacements possibles en France et à l’étranger

Statut du poste

Vacant à partir du 01/03/2027

Métier de référence

Chercheuse / Chercheur

Compétences

Voir l'offre d'origine et postuler · Source : Choisir le service public

Voir aussi