Ingénieur Machine Learning (NLP / Audio)

Contexte

Dans le cadre du développement d’une solution de reconnaissance vocale automatisée (speech-to-text) basée sur l’IA, nous recherchons un(e) Ingénieur(e) Machine Learning spécialisé(e) en NLP et traitement audio. Votre rôle consistera à améliorer la qualité des transcriptions, résoudre des problèmes d’alignement temporel, et concevoir des pipelines robustes pour la reconnaissance vocale, y compris la gestion de spécificités linguistiques (acronymes, accents, ponctuation...).

Missions

• Développer, entraîner et optimiser des modèles de speech-to-text (ASR) à l’aide de frameworks ML/NLP.
• Diagnostiquer et corriger les désynchronisations entre audio et texte (timestamps).
• Mettre en place des processus de prétraitement audio et de nettoyage de texte.
• Intégrer des fonctions avancées telles que :
• Reconnaissance d'acronymes, abréviations, entités nommées.
• Détection automatique de locuteurs ou de traits vocaux.
• Collaborer avec les linguistes, annotateurs et équipes produit pour améliorer la qualité des données d'entraînement.
• Participer à la veille technologique sur les modèles vocaux récents (ex : Whisper, Wav2Vec2, NeMo...).
• Documenter les choix techniques, pipelines et résultats.

Compétences requises

Techniques :

• Excellente maîtrise de Python et des bibliothèques ML (TensorFlow, PyTorch, Hugging Face Transformers, etc.)
• Expérience en traitement du signal audio : librosa, torchaudio, pydub, etc.
• Connaissances solides en NLP : tokenisation, alignement texte-parole, modèles de langage.
• Maîtrise de systèmes ASR : Whisper, Kaldi, DeepSpeech, Wav2Vec2, etc.
• Expérience avec les jeux de données vocaux (Common Voice, LibriSpeech, etc.).

Bonus :

• Connaissances en linguistique computationnelle.
• Expérience avec des outils d’annotation vocale (ex : ELAN, Praat, Label Studio).
• Familiarité avec l'évaluation de la qualité de transcription (WER, CER, alignement temporel).

Soft Skills :

• Autonomie, rigueur et esprit analytique.
• Capacité à vulgariser des concepts techniques complexes.
• Esprit collaboratif et goût pour l’innovation.

Profil recherché

• Diplôme Bac+5 minimum en informatique, mathématiques appliquées, traitement du signal ou domaine connexe.
• Une expérience professionnelle ou projet significatif dans le domaine du speech-to-text ou traitement audio/NLP.