Le projet CatCaP[1] est un projet pluridisciplinaire en ingénierie de la connaissance qui vise à extraire les compétences renfermées dans les pratiques courantes et les apprentissages des divers acteurs de l’entreprise afin de pouvoir gérer le capital immatériel d’une entreprise en valorisant et/ou en faisant évoluer les compétences existantes, et mobiliser intelligemment les compétences des acteurs en définissant des pratiques adaptées aux compétences réelles.
Un premier travail mené dans le cadre du projet a permis d’obtenir les traces opérationnelles par observation et analyse de la pratique réelle chez le partenaire industriel. Le corpus de traces ainsi obtenu est constitué d’un volume important de textes.
La première mission confiée au postdoc ou ingénieur de recherche concerne l’exploitation du corpus de traces pour :
1) Identifier les compétences à partir des traces, en utilisant des outils d’analyse sémantique.
2) Formaliser les compétences identifiées à l’aide des ontologies.
3) Instancier les ontologies pour proposer un graphe de connaissance qui sera par la suite exploité pour inférer de nouvelles compétences. La pertinence de ces compétences sera évaluée en s’appuyant sur le feedback du partenaire industriel.
La seconde mission confiée au postdoc ou ingénieur de recherche a les objectifs suivants :
1) Enrichir le graphe de connaissance avec la dimension performance. L’objectif est de partir des traces pour rechercher les bonnes pratiques. Une évaluation des pratiques sera menée en collaboration avec le partenaire industriel (en questionnant les membres impliqués dans les projets observés).
2) Exploiter le graphe de connaissance enrichi pour analyser les corrélations entre compétences, ressources, traces et performances. Cette analyse permet de proposer des recommandations lors de la décomposition du projet en tâches (pratiques gagnantes à mettre en œuvre) et lors de la constitution d’équipes projet (les acteurs les plus à même pour exécuter une tâche donnée selon le contexte qui se présente).
Des compétences justifiées en fouille de texte (text Mining), en traitement automatique du langage naturel (NLP) et en graphe de connaissance et raisonnement sémantique sont indispensables pour mener à bien les missions. Une expérience complémentaire en apprentissage automatique (machine learning, deep learning) pourra être mise à profit dans le développement de certaines tâches.
Idéalement, le ou la candidate justifiera de compétences ou d’expériences en informatique (Python, etc.).
[1] Capture des Traces opérationnelles des acteurs d’entreprise pour construire le Capital humain et définir les Processus gagnants. Projet ANR-18-CE10-0011