Développement et évaluation d’un asset générique d’anonymisation des PII

Contexte et environnement de travail

Le Datalab du Head Office est composé de 14 data scientists et ML engineers, 10 Admins IT et Développeurs, et 7 Analytics Managers servant de point de contact avec le business. Vous rejoindrez l’équipe Natural Language Processing (NLP), composée de 6 ML Engineers et d’un manager, qui développe des produits et services d’IA basés sur le texte et la voix.

L’équipe explore notamment les Large Language Models (LLMs), le retrieval augmented generation (RAG) et le Speech-to-Text. Vous aurez accès à des modèles open source, aux modèles propriétaires Mistral, à un pool de GPU H100 et à la plateforme Domino Datalab.

Mission

Développer et évaluer un asset générique d’anonymisation des Personally Identifiable Information (PII) dans du texte non structuré, allant des emails aux conversations entre un humain et un chatbot.

Livrable et validation

Le livrable prendra la forme de code Python faisant appel à un modèle, LLM ou autre, pour identifier les PII et éventuellement les classifier, notamment les noms, prénoms, adresses, signatures et lieux de naissance. La performance de cet asset sera validée par le Data Protection Officer. L’asset sera utilisé dans de futurs projets de chatbots et de réponses automatiques aux emails.

Location et mode de travail

Le poste est basé à Rueil-Malmaison, dans l’Ouest parisien, avec une organisation hybride comprenant 50 % de télétravail.