Objectif: Concevoir une plateforme d’archivage intelligent, entièrement open source, pour stocker, analyser et rechercher des millions de documents administratifs (PDF, images, scans).

Principales fonctionnalités:

• Pipeline OCR pour la reconnaissance de texte
• Extraction automatique des métadonnées via NLP
• Moteur de recherche hybride: indexation full-text + recherche sémantique vectorielle

Profil recherché:

• Étudiant en dernière année du cycle ingénieur
• Possible en binôme

Compétences requises:

• MinIO, Tesseract OCR, Apache Tika, FastAPI
• OpenSearch, Metabase
• Qdrant ou Weaviate

Durée: 6 mois