Data Scientist confirmé(e) — DSJ-SD - CCAS-Greffe

Dans le cadre du renforcement de l'équipe, nous recrutons un(e) Data Scientist confirmé(e).

Il/Elle interviendra principalement sur deux volets applicatifs du projet Open Data : la pseudonymisation automatisée des décisions de justice et d’autres projets IA répondant à des cas d’usage de la Cour de cassation.

Vos responsabilités incluent :

• Maintenance, entraînement et évaluation de modèles de NLP/NER (reconnaissance des entités nommées) pour la pseudonymisation automatisée des décisions de justice
• Développement et maintenance de processus de traitement de texte en Python (tokenisation, extraction d'entités, post-traitement…)
• Analyse et exploration de larges corpus de décisions de justice pour enrichir les jeux de données d'entraînement
• Mise en place de méthodologies rigoureuses d'évaluation de la performance des modèles (précision/rappel, F1, tests de non-régression)
• Contribution aux projets open source de la Cour de cassation sur GitHub (https://github.com/Cour-de-cassation)
• Collaboration avec les développeurs et les ingénieurs DevOps pour l'industrialisation, le versioning et le déploiement des modèles en production
• Veille scientifique et technologique sur les techniques de NLP, NER, similarité documentaire et IA appliquée au droit
• Documentation technique et scientifique des travaux menés
• Vigilance particulière quant à la sensibilité des données traitées (pseudonymisation, anonymisation)
• Conception, développement et maintenance de modèles et d'outils IA sur d’autres périmètres selon les besoins métiers, avec un rôle de renfort en cas d'absence imprévue ou de baisse de capacité de l'équipe
• Appétence / Expérience dans le domaine juridique et l’IA de la recherche documentaire est souhaité

Méthodologies de travail :

• Capacité à travailler en méthode Agile (ex. Kanban)
• Pratiques MLOps (souhaitable) : versioning des modèles et des données, reproductibilité des expérimentations, monitoring de la performance en production
• Suivi d'avancement via outils collaboratifs et gestionnaires de tickets
• Intégration dans les processus DevOps (CI/CD, monitoring, sécurité)

• Diplôme Bac+5 (école d'ingénieur, Master, doctorat) en data science, NLP, informatique, mathématiques appliquées ou équivalent
• Expérience significative en data science, avec une expertise avérée en traitement automatique du langage (NLP)
• Maîtrise de Python et des bibliothèques de data science/ML
• Expérience en traitement du langage naturel, plus particulièrement dans la tâche de reconnaissances d’entités nommées. Une expérience sur une ou plusieurs des librairies suivantes est nécessaire : Flair, spaCy, Hugging Face Transformers, PyTorch
• Connaissance des techniques d'entraînement, d'évaluation et de fine-tuning de modèles de deep learning
• Expérience dans le traitement de corpus textuels volumineux et hétérogènes (idéalement documents juridiques, administratifs ou réglementaires)
• Familiarité avec les bases de données documentaires et de recherche : MongoDB, ElasticSearch
• Connaissance des outils DevOps/MLOps : Docker, Git, CI/CD, versioning de modèles
• Connaissance des enjeux de la pseudonymisation, de l'anonymisation de données
• Anglais technique, lu (lecture de publications scientifiques) et parlé
• Excellente capacité d'adaptation, curiosité, rigueur et esprit d'équipe

Par ailleurs, le/la data scientist doit :

• Avoir le sens du travail en équipe, une capacité d'écoute et de communication, être curieux(se) et organisé(e)
• Être force de proposition, autonome et capable de prendre des décisions
• S'intéresser aux enjeux des métiers de la Justice et avoir le goût de l'innovation au service de l'intérêt général

Le service de documentation, des études et du rapport (SDER) de la Cour de cassation gère notamment les bases de données de jurisprudence tenues par la Cour de cassation et met en oeuvre le projet d'open data des décisions de justice de l'ordre judiciaire. Les décisions de l'ensemble des juridictions sont collectées à la Cour de cassation, normalisées et pseudonymisées, puis diffusées sur le site internet de la Cour de cassation et l'API Judilibre.

La mise en oeuvre technique de ce projet repose essentiellement sur l'équipe pluridisciplinaire du laboratoire d'innovation, composée de 6 développeurs, un data scientist, un chef de projet MOE et deux ingénieurs DevOps responsables de l'infrastructure et des pipelines CI/CD. Cette équipe est dirigée par le responsable du laboratoire d'innovation du SDER. Les codes sources du projet sont accessibles à l'adresse suivante : https://github.com/Cour-de-cassation (voir notamment les projets Python juritools et moteurNER, dédiés à la pseudonymisation automatisée des décisions).

Le laboratoire d'innovation du SDER est également responsable de la mise en oeuvre de projets d'intelligence artificielle répondant aux besoins de la Cour de cassation, notamment des cas d’usage comme la détection de connexités intellectuelles entre décisions de justice (rapprochement, similarité et mise en réseau de la jurisprudence).

Ce collectif agile collabore étroitement avec des magistrats, juristes, agents contractuels et responsables du droit numérique.