Data Engineer Senior NLP données non structurées
Share
Job Location:
Casablanca - Morocco
Daily Salary:
EUR 350 - 350
Posted on:
2 hours ago
Vacancies:
1 Vacancy
Job Summary
Data Engineer Senior - NLP / données non structurées (freelance ; 6 mois minimum)
Nous recrutons un(e) Data Engineer senior pour un projet à forte portée : digitaliser le droit au Maroc et en Afrique et créer la première base de connaissance juridique interrogeable par lIA.
Notre ambition est de construire une plateforme capable de répondre à des questions juridiques de façon fiable sourcée et traçable en sappuyant sur un corpus massif de documents juridiques hétérogènes.
Pourquoi ce projet est différent
Vous rejoignez une mission infrastructure de connaissance :
contribuer à rendre le droit plus accessible
bâtir un actif durable : une base structurée du droit marocain (français) extensible à lAfrique
travailler sur un défi technique concret et profond : transformer du non-structuré en une donnée exploitable fiable et maintenable à grande échelle
Votre mission
Vous serez responsable de la chaîne documents données structurées qui alimentera notre moteur IA (RAG).
Au cœur du poste (intérêt technique)
Constituer une base de données structurée du droit marocain en français à partir de données très hétérogènes :
PDF (texte et scannés) Word images fichiers texte parfois bruités ou incomplets
extraction de texte (parsing OCR si nécessaire) nettoyage
structuration : détection titres/chapitres/sections/articles hiérarchie normalisation
chunking intelligent (par structure juridique plutôt que par taille arbitraire) avec traçabilité (source page identifiants)
métadonnées : date type de texte (loi/décret/circulaire/jurisprudence) source version numéros darticles etc.
déduplication & versioning : documents redondants amendements versions consolidées
industrialisation : orchestration logs retries idempotence monitoring tests qualité
Profil recherché
3 ans dexpérience en Data Engineering et/ou Document AI / NLP appliqué
Très bonne maîtrise de Python
Expérience réelle avec documents non structurés : parsing PDF OCR nettoyage structuration
Habitude de livrer en production : pipelines robustes observabilité qualité performance
Stack / compétences (indicatif)
Stockage : AWS
Traitement documents : outils OCR/parsing pipelines de prétraitement texte
Tests & qualité : métriques échantillonnage validation automatique
Bonus (appréciés)
Expérience sur corpus juridiques / réglementaires / contenus à forte exigence de précision
Familiarité avec les problématiques multilingues (FR/AR) et encodage
Connaissances de base sur les besoins en aval (vector DB retrieval citation)
Process de sélection
Test en ligne (20 min)
Entretien technique (60 min)
Localisation
Poste basé à Casablanca
Remote possible (au Maroc ou à létranger) selon profil et niveau dautonomie
Key Skills
- Apache Hive
- S3
- Hadoop
- Redshift
- Spark
- AWS
- Apache Pig
- NoSQL
- Big Data
- Data Warehouse
- Kafka
- Scala
About Company
Collective is the platform to find freelance work Go and check us out we are the biggest platform in terms of jobs published
