Stage en construction d’outils de collecte et de traitement des données massives en ligne pour évaluer les perceptions sociales du développement de l’éolien en mer (F/H/X)

  • Reference : FEM-SAS-2024-463
  • Type de poste : Stage
  • Durée : 6 mois
  • Localisation : Brest (29) - France Energies Marines
  • Télécharger l'offre

Description de l'offre

L’éolien en mer est une technologie en plein essor, soutenu par des politiques ambitieuses visant à réduire la dépendance aux énergies fossiles. Malgré un accueil national favorable, cette technologie suscite des débats locaux liés aux incertitudes sur ses impacts environnementaux, paysagers et économiques. Ces débats impliquent communautés locales, ONG, opposants aux énergies renouvelables et groupes pro-nucléaire ou pro-fossile. Les médias, en relayant ces discussions, fournissent une source précieuse pour analyser l’évolution des controverses et des perceptions des différents types d’acteurs.

Les avancées en intelligence artificielle, notamment en traitement du langage naturel (NLP), offrent des outils efficaces pour analyser ces données médiatiques. Leur application permettrait de mieux comprendre les controverses, les perceptions liées à l’éolien en mer et leur évolution.

Missions

Ce stage vise à valoriser les données massives sur l’éolien en mer en France via l’intelligence artificielle. L’objectif est d’analyser l’évolution des perceptions sociales et des positionnements des acteurs, en exploitant les données de la presse en ligne locale, régionale et nationale.

Le projet de stage s’articule sur une démarche en trois étapes :

  1. Collecte et constitution de la base de données d’articles
    • Identifier les bases de données d’articles de presse existants en France
    • Développer un algorithme pour identifier et collecter automatiquement les articles de presse traitant de l’éolien en mer
    • Organiser les articles collecte
  2. Classification des articles de presse et identification de champs lexicaux
    • Effectuer une recherche préliminaire pour explorer les outils de NLP dédiés à la modélisation de champs lexicaux (topic modelling)
    • Tester un ou plusieurs modèles de champs lexicaux
  3. Analyse et visualisation des données
    • Mener des analyses et simulations à partir des modèles développés pour identifier les sujets majeurs, les périodes marquantes, les spécificités géographiques et acteurs clés.
    • Faire une analyse détaillée de la base de donnée sur la thématique des impacts de l’éolien en mer sur les paysages.

Compétences requises

Formation initiale

Master 2 ou cycle Ingénieur en Informatique avec une composante en intelligence artificielle ; ou Master 2 en Sciences sociales computationnelles, informatique pour SHS ou disciplines connexes.

Connaissances spécifiques

Requises :

  • Compétences en recherche bibliographique et gestion de références
  • Compétences en analyse de données et programmation (Python, C++, Java)
  • Connaissances en NLP

Souhaitées :

  • Connaissance du secteur des énergies marines renouvelables ou des enjeux de transition énergique
  • Première expérience de création d’interface de base de données et analyse
  • Rédaction et rigueur scientifique

Qualités professionnelles

  • Aisance relationnelle
  • Maîtrise de l’anglais (lecture) indispensable

AVERTISSEMENT : Si vous n’arrivez pas à soumettre votre candidature via notre site, veuillez nous l’adresser par mail à contactrh@france-energies-marines.org, en précisant la référence de l’offre dans l’objet.

Candidater

Emploi : Stage en construction d’outils de collecte et de traitement des données massives en ligne pour évaluer les perceptions sociales du développement de l’éolien en mer (F/H/X)

Reference : FEM-SAS-2024-463

« * » indique les champs nécessaires

Your Name*
Types de fichiers acceptés : otf, rtf, txt, docx, doc, pdf, Taille max. des fichiers : 150 MB.
Types de fichiers acceptés : otf, rtf, txt, docx, doc, pdf, Taille max. des fichiers : 150 MB.
Types de fichiers acceptés : otf, rtf, txt, docx, doc, pdf, Taille max. des fichiers : 150 MB.
Écran en superposition fermé pour la recherche