Annuaire des initiatives
Pertinence
Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.
- Pôle d'expertise de la régulation numérique
- Torch
- Notoriété 10 %Ce projet fournit un cadre technique pour identifier les images générées par intelligence artificielle. Il permet d'analyser des contenus multimédias afin de détecter les manipulations ou les créations artificielles. Le système intègre plusieurs détecteurs spécialisés et évalue la qualité des images pour améliorer la précision des résultats. Il propose également des outils de benchmarking pour comparer les performances des différents modèles de détection.
- Notoriété 10 %Ce projet permet d'évaluer et comparer des modèles multimodaux (texte/image) comme CLIP, OTTER ou FROMAGe sur des jeux de données standardisés. Il facilite l'ajout de nouveaux modèles et propose des métriques d'évaluation (précision, rappel, F1-score) pour des tâches de classification zero-shot ou de recherche multimodale. Les utilisateurs peuvent analyser les performances de différents embedders sur des corpus d'images et de textes.
- Notoriété 7 %API dédiée à l'extraction automatique de tableaux contenus dans des fichiers PDF. Elle permet de transformer des documents structurés en données tabulaires exploitables (CSV) grâce à des modèles d'intelligence artificielle spécialisés dans la détection de structures de tableaux. Idéale pour les entreprises ou organisations manipulant régulièrement des rapports, factures ou documents administratifs nécessitant une extraction précise et rapide des données.
- Notoriété 7 %API spécialisée dans l'extraction et la conversion de tableaux présents dans des fichiers PDF. Elle permet aux utilisateurs de récupérer automatiquement les données tabulaires sous forme de fichiers CSV, facilitant ainsi leur intégration dans des outils d'analyse ou de traitement de données. L'outil utilise des modèles d'intelligence artificielle pour détecter et extraire les tableaux avec précision, même dans des documents complexes.
- Solution open source utilisant l'intelligence artificielle pour faciliter l'analyse et la recherche automatisée de documents réglementaires des plateformes numériques. Basée sur un système de récupération augmentée par génération (RAG) avec un modèle de langage et une base de données vectorielle, elle permet d'extraire, structurer et analyser des données pour aider à la veille réglementaire et à l'évaluation de conformité au Digital Services Act (DSA).
- Solution open source utilisant l'intelligence artificielle pour faciliter l'élaboration de projets de recherche à partir de données de plateformes. Elle combine une base de données vectorielle avec Elasticsearch, des modèles d'embeddings et des grands modèles de langage pour fournir des réponses précises et sourcées. Le système intègre des mécanismes d'auto-évaluation et de cohérence pour garantir la qualité des résultats.
- Ce projet développe un système de traitement automatique de documents pour faciliter l'analyse et la recherche d'informations dans des textes réglementaires ou juridiques. Il permet d'extraire, classer et comparer des contenus textuels en utilisant des techniques avancées de traitement du langage naturel et de recherche d'information. Le système est conçu pour assister des experts dans l'identification rapide de passages pertinents et la génération de rapports structurés.
- Ce projet développé pour le Hackathon 2024 du PEReN et de la Commission Européenne vise à automatiser l'analyse de documents réglementaires européens. Il permet d'extraire des informations clés, de répondre à des questions spécifiques sur des textes juridiques, et de comparer des contenus pour identifier des similarités sémantiques. L'objectif est d'aider les régulateurs à traiter efficacement des volumes importants de textes légaux.
- Ce projet est un système d'analyse et de traitement automatique de documents textuels, développé pour le Challenge 2 du Hackathon 2024 organisé par le PEReN et la Commission Européenne. Il permet d'extraire des informations pertinentes, de répondre à des questions en s'appuyant sur des contenus documentaires, et de générer des résumés ou des comparaisons entre documents. Les fonctionnalités incluent le traitement de données structurées et l'utilisation de modèles d'apprentissage automatique pour améliorer la pertinence des réponses.
- Projet développé pour le Challenge 2 du Hackathon 2024 organisé par le PEReN et la Commission Européenne. Il utilise des techniques de RAG (Retrieval-Augmented Generation) pour analyser des documents réglementaires et répondre à des questions spécifiques en s'appuyant sur des modèles de langage avancés. L'objectif est d'évaluer la robustesse des systèmes d'IA face à des attaques adversariales dans un contexte de régulation numérique.
13 initiatives
10