Le projet text-classification est un outil d'analyse et de traitement automatique de texte. Il permet de classer, catégoriser et analyser le contenu de données textuelles, offrant ainsi des informations précieuses pour la prise de décision et l'automatisation des processus.

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.

Ce projet développé pour le Hackathon 2024 du PEReN et de la Commission Européenne vise à automatiser l'analyse et le classement de documents réglementaires européens. Il utilise des techniques avancées de traitement automatique du langage (NLP) pour extraire, structurer et hiérarchiser les informations clés des textes juridiques, facilitant ainsi leur exploitation par les régulateurs et les institutions publiques.

Predicat est une API de classification de libellés de caisse conçue pour faciliter l'analyse sémantique de textes et aider à la catégorisation de dépenses. En lien avec l'application Product Labelling, Predicat permet de classer automatiquement les libellés de caisse en se basant sur des modèles de langue pré-entraînés.

Ce projet académique vise à développer une liste chaînée en Pharo, un langage orienté objet, avec des tests unitaires associés. Il inclut également un outil de génération automatique de documentation technique pour les classes et packages Pharo, produisant des fichiers texte structurés contenant les détails des classes, méthodes et variables.

Ce projet permet d'analyser et de classer automatiquement les documents d'accords d'entreprise en identifiant des thèmes pertinents. Il facilite la recherche et l'extraction d'informations clés dans de grands volumes de textes juridiques ou contractuels, améliorant ainsi l'efficacité des équipes en charge de leur gestion.

Ce projet développe un modèle d'intelligence artificielle conçu pour analyser des transcriptions textuelles et prédire les symptômes de dépression de manière hiérarchique. Il s'appuie sur des données cliniques validées pour fournir une estimation automatique de l'état mental des patients. L'outil est destiné aux chercheurs et professionnels de santé souhaitant objectiver des évaluations subjectives. Le modèle est entraîné sur des corpus spécialisés et permet une analyse fine des interactions verbales.

Projet dédié à l'analyse et à la classification automatique de documents textuels. Il permet d'extraire des entités nommées, de catégoriser des contenus et d'identifier des thèmes principaux. Utilisé pour automatiser le traitement de grandes quantités de texte, il facilite la recherche d'informations et l'organisation de données non structurées.

Ce projet est un classificateur automatique de données textuelles basé sur des modèles de langage (LLMs). Il permet de catégoriser et d'analyser le sens de texte brut pour faciliter le tri et le traitement de grandes quantités de données.

Projet de recherche académique dédié à la classification zéro-exemple des relations discursives dans des textes multilingues. Il permet d'identifier et catégoriser automatiquement les liens logiques entre phrases ou segments de texte sans entraînement préalable sur des données spécifiques à une langue. Les applications visent à améliorer la compréhension automatique des discours dans des contextes variés, notamment pour des études linguistiques ou des outils d'analyse textuelle avancés.