Description de l'offre

MISSIONS/ACTIVITES : Contexte général Depuis plus de vingt ans, le Centre Technique d'Appui et de Formation des Centres d'examens de Santé (CETAF) œuvre dans le champ de la Santé Publique et de la prévention. Créé en 1994 à l'initiative de la Caisse Nationale de l'Assurance Maladie (CNAM), le CETAF accompagne les Caisses primaires d'assurance maladie (CPAM), les Unions de Caisses, et les Centres d'examens de santé (CES) dans l'enrichissement et la mise en œuvre de leurs offres de services. Le CETAF a pour mission la mise en œuvre, le suivi et l'évaluation des interventions en prévention des CES de l'Assurance Maladie. Le CETAF, structure experte d'ingénierie en prévention. Il développe des outils, méthodes et formations pour améliorer la qualité des offres de services des CES, notamment à travers l'analyse des retours patients (usagers des CES) et le développement de solutions innovantes. Objectifs du projet : Afin de mieux cerner les attentes, les perceptions et les bénéfices perçus par les patients des CES des verbatims sont régulièrement collectés, dans le cadre : - d'enquêtes de satisfaction sur l'Examen de Prévention en Santé, - du suivi des patients ayant bénéficié des programmes d'ETP (Éducation Thérapeutique du Patient), Le projet vise à développer une solution automatisée d'analyse sémantique de verbatims patients. Le projet s'inscrit dans plusieurs dynamiques stratégiques du CETAF et des CES : - Amélioration de l'expérience usager par l'exploitation renforcée des données qualitatives ; - Préparation des prochaines vagues d'enquêtes et de nouvelles données ETP grâce à des outils prêts à l'emploi ; - Mutualisation et essaimage potentiel de la solution dans d'autres projets du réseau (ex. questionnaire Éducation en Santé). Un premier prototype a déjà été développé (classification de sentiment sur EPE avec un modèle NLP opérationnel), constituant une base de travail solide que le/la stagiaire pourra : - réutiliser et améliorer (performances, visualisations, automatisation des mises à jour), - adapter au corpus ETP, - généraliser à d'autres besoins internes. Mission : Ce projet s'appuiera sur des techniques de traitement automatique du langage naturel (NLP) combinées à des approches de deep learning, notamment via des modèles de type Transformer comme CamemBERT. L'outil aura pour objectifs principaux : - D'automatiser la classification des verbatims en thématiques et en sentiments (positif, neutre, négatif), y compris pour les retours issus des programmes d'ETP. ; - De réduire significativement le temps de traitement, en intégrant un système d'apprentissage automatique qui pourra évoluer avec des jeux de données enrichis progressivement - D'améliorer la cohérence et la fiabilité des analyses, en limitant les biais liés aux traitements humains. L'outil devra également être en mesure de s'adapter au fil du temps, en intégrant la possibilité de créer de nouvelles classes si des types de changements émergent dans les retours des patients. Ce projet s'inscrit dans une dynamique innovante mêlant modèles de langage pré-entraînés et enjeux concrets d'amélioration des services publics de santé. COMPETENCES Techniques : - Maîtrise de Python, bibliothèques NLP (spaCy, scikit-learn, transformers.) ; - Bonne compréhension des étapes de prétraitement, vectorisation, classification supervisée et analyse sémantique. - Data science / Intelligence artificielle / NLP (traitement automatique du langage naturel) Transverses : - Intérêt pour les projets à finalité sociale et de prévention en santé, centrés l'analyse des retours d'expérience utilisateur ; - Esprit d'analyse, rigueur, autonomie ; - Travail en équipe ; - Sensibilité pour l'analyse de données de santé ; - Capacité à documenter clairement les travaux réalisés (code, modèle, restitutions orales et écrites).