Bibliothèque open source dédiée à l'estimation de l'incertitude et à la détection de données hors distribution (OoD) pour les modèles d'intelligence artificielle. Elle permet d'évaluer et de déployer des méthodes d'incertitude pour des tâches de vision par ordinateur (classification d'images, détection d'objets, segmentation sémantique) et de traitement automatique des langues (détection d'hallucinations dans les grands modèles de langage).

EmbCompare est un outil Python conçu pour comparer des embeddings de mots, utilisés en traitement automatique du langage naturel. Il permet d'évaluer la similarité entre deux modèles d'embeddings à travers des indicateurs numériques et une interface graphique. L'outil génère des rapports détaillés pour analyser les différences entre les représentations vectorielles, facilitant ainsi le suivi de l'évolution des modèles ou la comparaison de solutions alternatives.

Ce projet vise à détecter et à atténuer les biais dans les modèles de traitement automatique du langage naturel (NLP). Il s'inspire de deux références open-source et propose des fonctions pour évaluer les biais dans les embeddings de mots.

Projet de recherche en traitement automatique du langage naturel (TALN) utilisant des modèles comme FlauBERT et FastText pour analyser des textes en français. Il génère des vecteurs sémantiques, compare des modèles de langage, évalue leur précision et visualise les résultats via des heatmaps et dendrogrammes. Les cas d'usage incluent l'analyse de sentiments, la classification de textes et l'étude des similarités lexicales.

Projet Java dédié à la reconnaissance d'auteur et à l'analyse de texte via des modèles de langage statistique. Il permet d'identifier des auteurs à partir de corpus de phrases, de calculer des probabilités de phrases, et de générer des modèles de langage pour l'évaluation de textes. Utilisé dans un cadre académique pour l'apprentissage des techniques de traitement automatique du langage.

Ce projet propose des jeux de données spécialement conçus pour évaluer et comparer les performances de différents outils ou modèles, notamment dans le domaine du traitement automatique du langage. Les données sont structurées pour servir de référence standardisée, facilitant ainsi l'analyse objective des capacités des systèmes testés. Il s'adresse principalement aux chercheurs, développeurs et entreprises souhaitant mesurer l'efficacité de leurs solutions.

Ce projet permet d'évaluer la crédibilité des informations en analysant les sources et les faits. Il identifie les sources fiables et les contenus trompeurs en utilisant des modèles probabilistes et des algorithmes de traitement automatique du langage. Les utilisateurs peuvent l'employer pour vérifier des données, des articles ou des déclarations en temps réel.