Mots-clés : web scraping, traitement automatique du langage, analyse de sentiments, réseaux sociaux, spectacle vivant
Encadrement » Rémy Kessler (maître de conférences LRU) – remy.kessler@univ-avignon.fr et Mickael Rouvier (professeur des universités) – mickael.rouvier@univ-avignon.fr
Lieu : Laboratoire Informatique d’Avignon (LIA), Avignon Université, campus Jean-Henri Fabre
Durée : 6 mois
Début : à partir de janvier 2027, au plus tard mars 2027
Gratification : gratification légale en vigueur (soit environ 650 € par mois)
Candidature : avant le 1er décembre 2026
- Contexte scientifique
Le Festival Off d’Avignon rassemble chaque année plus de 1 700 spectacles. Cette surproduction artistique s’accompagne d’une saturation informationnelle : sur les réseaux sociaux, l’écosystème qui entoure le festival est extrêmement dense et bruité, ce qui rend difficile le repérage des œuvres par le public.
Le projet interdisciplinaire FESTI-VISU, mené conjointement en informatique et en sciences de l’information et de la communication, vise à développer un dispositif innovant pour analyser la réception des œuvres et favoriser la découvrabilité culturelle. Deux sujets de stage de Master 2 complémentaires sont proposés dans ce cadre ; celui-ci porte sur la première étape du projet : concevoir et déployer une infrastructure robuste de collecte automatisée et de traitement sémantique des données issues des réseaux sociaux (Facebook, X/Twitter, etc.) et des plateformes d’avis en ligne, afin de repérer, dans ce flux, ce que le public et les professionnels disent réellement des spectacles. - Objectifs du stage
L’objectif principal est de constituer un corpus de données robuste et exploitable sur la réception des spectacles du Festival Off. Il s’agira pour cela de :
- développer un dispositif automatisé de collecte de données sur les réseaux sociaux et les plateformes d’avis en ligne, à partir des bases de données d’Avignon Festival & Compagnies (AF&C) ;
- lever l’ambiguïté sémantique des titres de spectacles, afin de ne retenir que les publications qui portent
réellement sur les œuvres (liaison d’entités [1]) ; - appliquer des méthodes de traitement automatique du langage (TAL) pour structurer le corpus, en s’appuyant sur des modèles de langue pré-entraînés pour le français [2].
- Travail à réaliser
Le stage se déroulera en trois étapes :- État de l’art. Étude des méthodes de web scraping à l’ère de l’IA, et notamment de l’apport des grands modèles de langue [3], ainsi que des méthodes d’analyse de sentiments [4].
- Collecte automatisée. Développement de scripts de collecte (web scraping, API) s’appuyant sur les bases de données d’AF&C (compagnies, spectacles, lieux) pour cibler et extraire les publications et avis en ligne, puis écarter ceux qui ne portent pas sur le spectacle visé (désambiguïsation des titres). Les sources et les modes d’accès seront choisis dans le respect des conditions d’utilisation des plateformes et du RGPD.
- Traitement automatique du langage. Deux mesures seront produites pour chaque spectacle :
- la polarité des publications, c’est-à-dire le caractère positif, négatif ou neutre de l’opinion exprimée [5],
en comparant modèles spécialisés et grands modèles de langue [4] ; - l’intensité de la réception, qui combine le volume de publications suscitées par le spectacle et la force
des opinions exprimées.
Elles seront complétées par l’extraction des thématiques émergentes dans les publications [6].
- Profil recherché
- Étudiant(e) en Master 2 Informatique ou en dernière année d’école d’ingénieurs, avec des connaissances
en intelligence artificielle et en science des données. - Solides compétences en programmation Python.
- Expérience ou appétence pour le traitement automatique du langage (analyse de sentiments, données
textuelles) ; une première pratique des grands modèles de langue serait appréciée. - Anglais scientifique (lecture d’articles).
- Curiosité scientifique, autonomie et intérêt pour les problématiques interdisciplinaires (sciences humaines et sociales, arts).
- Environnement de travail
Le stage se déroulera au Laboratoire Informatique d’Avignon (LIA), sur le campus Jean-Henri Fabre d’Avignon Université. Le ou la stagiaire sera encadré(e) conjointement par Rémy Kessler et Mickael Rouvier, avec un suivi régulier, et travaillera en lien avec les chercheurs en sciences de l’information et de la communication du projet FESTI-VISU. Il ou elle disposera d’un poste de travail et d’un accès aux moyens de calcul du laboratoire, et participera à la vie scientifique de l’équipe (réunions, séminaires). - Candidature
Les candidatures (CV, lettre de motivation et relevé de notes de Master 1, Bac+4) sont à envoyer avant le
1er décembre 2026 à remy.kessler@univ-avignon.fr et à mickael.rouvier@univ-avignon.fr. Elles sont examinées au fil de l’eau.
Références
[1] L. Wu, F. Petroni, M. Josifoski, S. Riedel et L. Zettlemoyer, « Scalable Zero-shot Entity Linking with Dense Entity Retrieval », Pro-
ceedings of EMNLP 2020, p. 6397–6407, 2020. doi:10.18653/v1/2020.emnlp-main.519
[2] L. Martin, B. Muller, P. J. Ortiz Suárez, Y. Dupont, L. Romary, É. de la Clergerie, D. Seddah et B. Sagot, « CamemBERT: a Tasty French
Language Model », Proceedings of ACL 2020, p. 7203–7219, 2020. doi:10.18653/v1/2020.acl-main.645
[3] P. Landeta-López, J. M. García, C. Guevara-Vega et A. Ruiz-Cortés, « LLMs applied to web scraping and web crawling: a systematic
review », Computing, vol. 108, 2026. doi:10.1007/s00607-026-01666-5
[4] W. Zhang, Y. Deng, B. Liu, S. J. Pan et L. Bing, « Sentiment Analysis in the Era of Large Language Models: A Reality Check », Findings
of the ACL: NAACL 2024, p. 3881–3906, 2024. doi:10.18653/v1/2024.findings-naacl.246
[5] E. Appiah et A. Htait, « AI in the Public Eye: Analysing Social Media Sentiment and Opinion on Artificial Intelligence », Proceedings
of the UK AI Conference 2024, PMLR, vol. 295, p. 1–15, 2025. https://proceedings.mlr.press/v295/appiah25a.html
[6] M. Grootendorst, « BERTopic: Neural topic modeling with a class-based TF-IDF procedure », arXiv:2203.05794, 2022.