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.

PyMotifs est une bibliothèque open source dédiée à l'analyse, la modélisation et la classification de textes dans le domaine des sciences humaines. Développée par des chercheurs du CNRS et de l'Université Paris III, elle permet aux utilisateurs de traiter des corpus textuels de manière automatisée. L'outil facilite l'exploration de motifs linguistiques, l'identification de structures récurrentes et l'extraction de connaissances à partir de données textuelles complexes. Il s'adresse principalement aux chercheurs, enseignants et étudiants en linguistique, littérature ou sciences sociales.

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.

Projet développé pour la Direction Générale des Collectivités Locales (DGCL) visant à automatiser et optimiser le traitement de documents administratifs grâce à l'intelligence artificielle. Il permet l'annotation collaborative de textes, la classification automatique de documents et l'extraction d'informations structurées pour faciliter les analyses administratives et les prises de décision.

Skolar est une plateforme dédiée à l'analyse avancée de données textuelles, permettant aux utilisateurs d'extraire, classifier et exploiter des informations issues de documents variés. Elle facilite la recherche sémantique et automatise le traitement de larges volumes de texte pour en tirer des insights pertinents, notamment dans des contextes professionnels ou académiques.

SIRIUS-ML est un dépôt de code dédié à l'analyse et au traitement automatisé de verbatims. Il propose des outils pour modérer, classifier et détecter des anomalies dans des contenus textuels, tout en garantissant l'anonymisation des données sensibles. Ces fonctionnalités sont utilisées dans le cadre du projet SIRIUS, une initiative publique visant à améliorer la gestion des retours citoyens.

Skolar est une plateforme dédiée à l'analyse et au traitement automatisé de données textuelles. Elle permet d'extraire, structurer et classifier des informations issues de documents variés pour faciliter leur exploitation. Utilisée dans des contextes académiques, éditoriaux ou professionnels, elle optimise la gestion de contenus textuels massifs grâce à des algorithmes avancés de traitement du langage naturel.

Module basé sur l'IA pour classifier automatiquement des documents selon la nomenclature NACE. Utilise des embeddings, le RAG et une coopération multi-agents pour fournir un contexte enrichi et des résultats plus précis. Permet d'automatiser des tâches de classification et d'analyse de données textuelles dans un cadre professionnel.

Projet visant à automatiser l'extraction et l'analyse des annonces légales publiées au BODACC pour identifier et classifier les restructurations d'entreprises. Il permet de détecter les opérations de fusion, acquisition ou cession, et de normaliser les données associées comme les numéros SIREN des parties prenantes. Le système utilise des modèles d'intelligence artificielle pour interpréter les textes juridiques et générer des rapports structurés.

Ce projet consiste en un outil d'analyse de données textuelles, permettant la génération de résumés automatisés, la recherche de similarités sémantiques et la classification de données. Il est basé sur des algorithmes d'apprentissage automatique et des modèles de langage avancés.