Votre rôle est d’effectuer un travail de thèse sur : Compréhension automatique de la parole multilingue pour les langues d’Afrique subsaharienne.  
Contexte global : Orange est présent dans 14 pays en Afrique subsaharienne et souhaite mieux communiquer, mieux informer et améliorer l’accès à ses services pour les clients de cette zone. Seule une minorité maîtrise la lecture et l’écriture du français ou de l’anglais, écartant la majeure partie de la population africaine des technologies numériques et des facilités qu’elles apportent. L’accès par la voix est une solution, mais les technologies vocales sont développées en langues internationales, et non pas en langues africaines. Des stratégies doivent être mises en place pour trouver comment communiquer avec ses clients dans leurs langues.
Cette thèse s’attachera à éclairer ces stratégies, par des méthodes innovantes et disruptives d’apprentissage machine. La ou le candidat sélectionné.e développera des modèles de compréhension de la parole nécessaires au développement de technologies d’interaction vocale. Les approches “ bout-en-bout “ seront privilégiées. Toutefois, cette approche requiert un volume important de données annotées, non disponible pour les langues orales. Il sera donc nécessaire de trouver des méthodes pour pallier ce manque. Les données textuelles ne reflètent pas l’usage oral de la langue. Ainsi, baser l’apprentissage des modèles de parole sur des ressources écrites ou des lectures de textes peut mener à certaines problématiques, comme une mécompréhension de la requête de la part du système ou encore une évaluation biaisée des systèmes par les concepts sous-jacents de l’écriture. D’autre part, l’utilisation de corpus textuels entraîne la perte d’informations paralinguistiques et suprasegmentales présentes dans le support vocal. Enfin, l’alternance codique, fréquente dans ces langues, est également peu prise en compte dans les modèles actuels, en raison de faible présence dans les documents écrits. Ainsi, des stratégies visant à réduire au maximum la dépendance aux annotations seront mises en oeuvre pour surmonter le manque de données et renforcer la robustesse du système face aux variations linguistiques.

Objectif scientifique - résultats et verrous à lever
L’objectif de la thèse est de résoudre des tâches de compréhension de la parole, adaptées à la zone subsaharienne, en proposant des stratégies innovantes et différenciantes pour adresser le multilinguisme et la rareté des données.

Compétences (scientifiques et techniques) et qualités personnelles exigées par le poste
Compétences en traitement automatique du langage (compréhension automatique de la parole, reconnaissance automatique de la parole ou traitement automatique du langage)
Connaissances poussées en apprentissage profond (architectures, algorithmes et méthodes)
Maîtrise avancée du langage Python et des bibliothèques pour l’apprentissage profond (huggingface_hub, etc.)
Connaissances approfondies d’un framework de deep learning (Pytorch, Tensorflow2, Jax, …)

Formation demandée 
 Master 2 en Traitement Automatique du Langage, Informatique, Sciences des données ou Mathématiques

Expériences souhaitées 
Élaboration ou optimisation d’un système neuronal pour une tâche de compréhension du langage fortement apprécié
Connaissances en apprentissage auto-supervisé ou non supervisé appréciées
Connaissances approfondies d’un toolkit tel que SpeechBrain, ESPNet, NeMo appréciées
Connaissance des méthodes d’apprentissage frugal (distillation, quantization, PEFT, …) est un plus
Connaissance des pipelines d’intégrations et de tests de Gitlab est un plus