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
- Transformers
- Notoriété 13 %Ce projet développé par le PEReN et VIGINUM fournit un cadre technique pour détecter les textes générés par intelligence artificielle. Il intègre plusieurs détecteurs spécialisés (Binoculars, FastDetectGPT, RADAR, etc.) et un méta-détecteur capable d'agréger leurs prédictions. L'objectif est d'aider à identifier les contenus automatisés dans des contextes variés, notamment pour lutter contre la désinformation ou les usages malveillants des modèles de langage.
- 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 %Ce projet permet d'évaluer et comparer des modèles d'intelligence artificielle multimodaux (texte/image) comme CLIP, OTTER ou FROMAGe. Il facilite l'ajout de nouveaux modèles et propose des outils pour mesurer leurs performances sur des jeux de données standardisés (COCO, etc.) à l'aide de métriques variées (précision, rappel, F1-score). Les résultats sont visualisables via des notebooks et des visualisations interactives.
- 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.
- Projet développé pour le Challenge 2 du Hackathon 2024 co-organisé par le PEReN et la Commission Européenne. Il vise à automatiser l'analyse et la recherche d'informations dans des documents réglementaires en utilisant des techniques de traitement automatique du langage et de recherche sémantique. Le système permet de transformer des contenus textuels en données indexables et de répondre à des questions spécifiques en s'appuyant sur des modèles d'intelligence artificielle.
- Ce projet développé pour le Hackathon 2024 du PEReN et de la Commission Européenne vise à automatiser l'analyse et la recherche d'informations dans des documents réglementaires complexes. Il utilise des techniques de traitement automatique du langage et de recherche sémantique pour extraire et structurer des données issues de plateformes numériques, facilitant ainsi l'accès à des contenus techniques et juridiques pour les régulateurs et les parties prenantes.
- Ce projet utilise des techniques avancées de traitement automatique du langage naturel (NLP) pour analyser, structurer et rechercher des informations dans des documents textuels. Il permet d'extraire des entités nommées, de découper des textes en segments exploitables, d'indexer des données pour une recherche sémantique efficace et d'interagir via une interface conversationnelle. Développé dans le cadre d'un hackathon, il s'appuie sur des modèles de langage et des bases de données vectorielles pour répondre à des requêtes complexes.
- Ce projet développé pour le Hackathon 2024 du PEReN et de la Commission Européenne utilise des techniques avancées de traitement automatique du langage naturel pour analyser, structurer et rechercher des informations dans des documents textuels. Il permet d'extraire des entités nommées, de segmenter des textes, d'indexer des données pour une recherche sémantique, et d'interagir de manière conversationnelle avec des corpus documentaires. Les fonctionnalités incluent le traitement de données textuelles, l'embedding de documents et la génération de réponses contextualisées.
20 initiatives
10