Pionnier en matière de dématérialisation et d’automatisation des processus de gestion documentaire, Esker a développé, depuis plus de 10 ans, des algorithmes heuristiques permettant d’extraire les informations contenues dans les documents de gestion (adresses, montants, numéros de facture ou de commande…) afin d’en automatiser le traitement et de réduire les tâches manuelles associées.
Cette thèse de recherche intitulée « Extraction d’informations dans des documents numérisés, semi-structurés et multilingues » aura pour objectifs de :
- développer des algorithmes d’apprentissage automatique ou statistique, dits Machine Learning et apporter un éclairage à ce sujet,
- d'améliorer de manière significative les solutions de traitement automatique des documents.
L’IA va jouer un rôle majeur dans la transformation digitale des entreprises, notamment à travers l’automatisation des tâches récurrentes, chronophages et non déterministes du back office tels que le traitement des commandes clients ou des factures fournisseurs. Des expérimentations qui nous ont convaincus du potentiel des algorithmes de Machine Learning pour réduire les erreurs de prédiction. Grâce à cette thèse de recherche, nous allons pouvoir aller plus loin dans l’IA afin d’améliorer nos solutions et de développer de nouvelles fonctionnalités. » – Jean-Jacques Bérard, Vice-Président Recherche & Développement d’Esker
D’une durée de 3 ans, ce travail de recherche sera réalisé par Clément Sage, ingénieur Machine Learning diplômé de l’Ecole Centrale de Lyon et encadré par Alexandre Aussem, Professeur des Universités au sein de l’Université de Lyon, co-animateur du groupe « Data Mining & Machine Learning » au sein du laboratoire LIRIS (LIRIS UMR 5205 CNRS) et responsable du Master Data Science de l’Université de Lyon 1.
Cette thèse est la continuité logique de mon alternance au sein d’Esker pour ma dernière année à l’Ecole Centrale de Lyon au cours de laquelle j’ai déjà été amené à travailler sur le Machine Learning. Ce travail de recherche me permettra de me focaliser sur une problématique plus complexe avec l’encadrement de chercheurs éprouvés et d’approfondir ainsi tout le potentiel d’automatisation des documents de gestion. » – Clément Sage, Doctorant, ingénieur Machine Learning au sein d’Esker
L’IA et les réseaux de neurones sont au cœur des enjeux technologiques de demain. L'extraction automatique du contenu sémantique des documents numérisés est un défi majeur que les techniques modernes de Deep Learning permettent aujourd'hui de relever. C'est également un sujet de recherche en pleine ébullition. Cette thèse de doctorat, en collaboration avec Esker, permettra d'apporter des solutions innovantes à ce problème. » – Alexandre Aussem, Professeur des Universités à l’Université de Lyon 1
Cette thèse de recherche intitulée « Extraction d’informations dans des documents numérisés, semi-structurés et multilingues » aura pour objectifs de :
- développer des algorithmes d’apprentissage automatique ou statistique, dits Machine Learning et apporter un éclairage à ce sujet,
- d'améliorer de manière significative les solutions de traitement automatique des documents.
L’IA va jouer un rôle majeur dans la transformation digitale des entreprises, notamment à travers l’automatisation des tâches récurrentes, chronophages et non déterministes du back office tels que le traitement des commandes clients ou des factures fournisseurs. Des expérimentations qui nous ont convaincus du potentiel des algorithmes de Machine Learning pour réduire les erreurs de prédiction. Grâce à cette thèse de recherche, nous allons pouvoir aller plus loin dans l’IA afin d’améliorer nos solutions et de développer de nouvelles fonctionnalités. » – Jean-Jacques Bérard, Vice-Président Recherche & Développement d’Esker
D’une durée de 3 ans, ce travail de recherche sera réalisé par Clément Sage, ingénieur Machine Learning diplômé de l’Ecole Centrale de Lyon et encadré par Alexandre Aussem, Professeur des Universités au sein de l’Université de Lyon, co-animateur du groupe « Data Mining & Machine Learning » au sein du laboratoire LIRIS (LIRIS UMR 5205 CNRS) et responsable du Master Data Science de l’Université de Lyon 1.
Cette thèse est la continuité logique de mon alternance au sein d’Esker pour ma dernière année à l’Ecole Centrale de Lyon au cours de laquelle j’ai déjà été amené à travailler sur le Machine Learning. Ce travail de recherche me permettra de me focaliser sur une problématique plus complexe avec l’encadrement de chercheurs éprouvés et d’approfondir ainsi tout le potentiel d’automatisation des documents de gestion. » – Clément Sage, Doctorant, ingénieur Machine Learning au sein d’Esker
L’IA et les réseaux de neurones sont au cœur des enjeux technologiques de demain. L'extraction automatique du contenu sémantique des documents numérisés est un défi majeur que les techniques modernes de Deep Learning permettent aujourd'hui de relever. C'est également un sujet de recherche en pleine ébullition. Cette thèse de doctorat, en collaboration avec Esker, permettra d'apporter des solutions innovantes à ce problème. » – Alexandre Aussem, Professeur des Universités à l’Université de Lyon 1
