Ce projet, développé dans le cadre du Programme 10% de la DINUM et de l'Insee, propose un guide complet pour aider les administrations et organisations à comprendre, choisir et déployer des modèles de langage (LLM). Il couvre l'analyse des besoins, l'évaluation des solutions, l'optimisation des infrastructures et la mise en production, en incluant des cas d'usage concrets et des benchmarks pour faciliter la prise de décision.

Ce projet compile et publie les résultats de benchmarks réalisés sur des serveurs de modèles de langage (LLM). Il permet d'évaluer et de comparer les performances de différentes solutions d'infrastructure pour l'exécution de ces modèles, en fournissant des métriques objectives et reproductibles. Les données générées aident les développeurs et les organisations à choisir les meilleures configurations pour leurs besoins en IA.

Solution open source utilisant l'intelligence artificielle pour automatiser l'analyse et la génération de réponses à partir de données réglementaires issues de plateformes numériques. Le projet exploite des techniques avancées de traitement automatique du langage (LLM) et de recherche vectorielle pour faciliter l'élaboration de projets de recherche, notamment dans le cadre de la régulation numérique. Il inclut des modules d'auto-évaluation et d'auto-consistance pour garantir la qualité des réponses produites.