Annuaire des initiatives

Vous ne trouvez pas l'initiative qui correspond à votre besoin ? Notre assistant peut vous aider.

  • Notoriété 10 %
    Outil d'analyse avancée de texte utilisant des modèles de langage pour extraire des insights, classer des documents ou identifier des similarités entre contenus. Permet aux entreprises de traiter automatiquement de grandes quantités de données textuelles pour améliorer leur prise de décision ou automatiser des workflows.
  • Notoriété 10 %
    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.
  • Graal est un système automatisé conçu pour traiter et analyser les amendements législatifs. Il permet de regrouper les documents, d'attribuer des catégories, de détecter les similarités entre textes, de générer des résumés via des modèles de langage (LLM) et de produire des rapports structurés au format CSV. Utilisé dans un cadre institutionnel, il facilite le travail des législateurs et des analystes en automatisant des tâches complexes et chronophages.
  • Notoriété 16 %
    Ce projet propose une méthodologie pour comparer et analyser les représentations internes de différents modèles d'encodage (visuels, textuels et multimodaux) à l'aide d'autoencodeurs clairsemés. Il permet d'identifier les concepts partagés entre ces modèles et de quantifier leur similarité, offrant ainsi une meilleure compréhension des mécanismes d'apprentissage des modèles d'intelligence artificielle. Les résultats éclairent sur l'impact de l'entraînement multimodal et la généralisation des caractéristiques.
  • Projet dédié à l'apprentissage automatique pour calculer des distances relationnelles entre données. Il permet d'optimiser des métriques afin d'améliorer la précision des modèles de classification ou de regroupement. Utilisé dans des contextes nécessitant une analyse fine de similarités entre objets ou entités.

5 initiatives