Description du projet :

Kem One est un acteur majeur européen de la chaîne PVC. Les équipes R&D produisent depuis de nombreuses années des données techniques issues du pilote de polymérisation et des laboratoires d’application spécialisés en formulation PVC.

Ces données sont aujourd’hui dispersées dans de très nombreux dossiers, sous forme de fichiers Word (contexte et description des études) et Excel (résultats techniques). Elles sont difficilement réutilisables : la recherche d’une information ou la comparaison d’essais passées demande beaucoup de temps.

Co-encadré(e) par la DSI et la R&D, vous concevrez et mettrez en œuvre une chaîne de capitalisation des données R&D :

1. Cartographier les sources (arborescences, types de fichiers, structures récurrentes des documents Word et des classeurs Excel) avec l’appui des équipes R&D.
2. Développer des outils d’extraction automatisée (parsing de documents Word et Excel, détection de gabarits, nettoyage, normalisation des unités et des nomenclatures). Il ne s’agit pas de ressaisir les données à la main : l’enjeu est de rendre l’extraction industrialisable et reproductible.
3. Concevoir le modèle de données (études, essais, paramètres de procédé, formulations, propriétés mesurées) avec les experts métier, puis alimenter une base de données centralisée.
4. Mettre en place des contrôles qualité : détection d’anomalies, valeurs manquantes, doublons, traçabilité vers le document source.
5. Développer une interface utilisateur pour les techniciens et ingénieurs (recherche multicritère, consultation des essais, comparaison, export), adaptée à un usage quotidien.
6. Documenter la solution et préparer son passage en exploitation avec la DSI (hébergement, sécurité, maintenance).

• Étudiant(e) en M1/M2 ou école d’ingénieurs, spécialité informatique, data science, génie logiciel ou ingénierie des données

• Compétences techniques : Python (pandas, openpyxl, python-docx ou équivalent), bases de données relationnelles (SQL, PostgreSQL ou équivalent), développement d’interfaces (Streamlit, Flask/Django, ou solution web ou BI)

• Appréciés : traitement de données semi structurées, expressions régulières, techniques de NLP/extraction d’information, notions d’ETL, de modélisation de données ou de web sémantique

• Qualités : autonomie, rigueur, sens du dialogue avec des utilisateurs non informaticiens (techniciens, ingénieurs de laboratoire), capacité à reformuler un besoin métier en spécification technique

• Aucune connaissance en chimie requise : l’équipe R&D vous accompagnera sur le vocabulaire et la logique des essais. Un intérêt pour l’industrie ou la chimie est un plus.