Contexte et objectifs

• Développer une plateforme intelligente permettant de générer automatiquement des requêtes SPARQL à partir de descriptions en langage naturel sur des datasets RDF.
• Comprendre et interpréter les modèles RDF et les ontologies pour orienter la génération des requêtes et assurer la cohérence sémantique.

Tâches et fonctionnalités attendues

• Traduire les descriptions en langage naturel en requêtes SPARQL exploitables, robustes et optimisées.
• Interroger des bases de données RDF, exécuter les requêtes générées et afficher les résultats de manière claire et contextualisée.
• Implémenter des outils de validation et de visualisation des résultats avant exploitation (prévisualisation des résultats, explication des mappings).

Technologies et compétences requises

• Maîtrise de Python et des bibliothèques RDF (ex : RDFLib) pour le traitement des graphes RDF et l'exécution SPARQL.
• Compétences en NLP / IA pour l'analyse des descriptions en langage naturel et la génération de requêtes (modèles ou heuristiques).
• Compétences front-end (React) pour concevoir une interface claire permettant l'entrée en langage naturel, l'affichage et la validation des résultats.
• Connaissance des bonnes pratiques SPARQL (optimisation, filtres, préfixes) et des ontologies/ontologie-mapping.

Livrables et critères de réussite

• Prototype fonctionnel capable de convertir des phrases en requêtes SPARQL valides et d'interroger un endpoint RDF.
• Interface utilisateur permettant la saisie en langage naturel, la visualisation des résultats et la validation par l'utilisateur.
• Documentation technique (architecture, choix algorithmiques, exemples de requêtes) et jeux de tests démontrant la qualité des traductions.

Modalités de candidature

• Référence du projet : YUMA-2026-PFE-05.
• Pour postuler, suivre le lien de candidature : https://lnkd.in/dgPWirGY .
• Préciser dans votre dossier votre expérience en Python, RDF/SPARQL, NLP et tout projet antérieur pertinent.