L’objectif de ce stage est de construire un outil d’aide à la rédaction d’articles techniques de blog, en utilisant de grands modèles de langue (LLM, IA générative).

Vous travaillez sous la responsabilité d’un data scientist au sein de notre équipe de traitement automatique des langues, d’une vingtaine de personnes.

Dans le cadre de nos activités de veille, notre équipe de 75 data scientists fait régulièrement le point sur des sujets techniques classiques importants et défriche des sujets nouveaux. Nous transformons certaines de ces présentations en articles de blog.

L’objectif du stage est de faciliter la production de ces articles de blog. Le matériel de départ est multiple :

• Cahiers Jupyter
• Présentations Markdown, PDF, Powerpoint
• Transcriptions de présentations faites en personne

Le matériel de sortie est idéalement un article pré-rédigé, avec texte, images, et éventuellement annotations sur les modifications importantes à apporter manuellement ; si possible l’article se conformera à un style cible. L’article sera entièrement revu et si nécessaire réécrit par un expert humain.

Les moyens sont :

• Les outils déjà maîtrisés par Probayes pour la lecture de documents (pdf, Powerpoint), basés sur les meilleurs outils open source et libres.
• Les LLM déployés en interne chez Probayes (Mixtral et autres) et ceux disponibles commercialement (OpenAI et autres).
• Python, et tous les autres outils qui seront jugés pertinents par le stagiaire.

Quelques-uns des points techniques à résoudre sont :

• La lecture combinée de matériels complémentaires (par exemple présentation Powerpoint + transcription de l’audio).
• La production d’un narratif précis et agréable à lire (en exploitant des exemples).
• L’intrication entre le narratif et les illustrations.
• La facilitation du travail d’édition : souligner les références manquantes pour les illustrations, ou faire d’autres critiques et commentaires permettant d’améliorer l’article.
• La création d’une interface utilisateur facilitant la rédaction assistée.