Projet dédié à l'extraction et à l'analyse d'entités géographiques et sémantiques dans des données textuelles. Il permet d'identifier automatiquement des lieux, des organisations ou des concepts clés à partir de textes, en utilisant plusieurs modèles de reconnaissance d'entités nommées (NER). Les résultats sont évalués et comparés pour déterminer les performances optimales selon les besoins. Idéal pour des applications nécessitant une compréhension fine de contenus textuels.

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.

Projet de l'Ecolab visant à produire des outils d'aide à l'analyse d'études d'impact environnemental via du Machine Learning et du Natural Language Processing. Il permet la détection et l'extraction de sommaires de documents PDF, l'analyse de l'importance des enjeux dans un texte et le résumé automatique de sections de texte.

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.

Open-Information-Extraction is a project that uses Natural Language Processing (NLP) techniques to extract structured information from unstructured text. It helps improve data analysis by providing cleaner data and automates data entry processes, saving time and reducing errors.

This project aims to automate data entry from documents using Optical Character Recognition (OCR) technology. It can extract text from images, making it easier to digitize and process documents. This can improve the efficiency and accuracy of various business processes.

Outil dédié à l'extraction et à la structuration des informations contenues dans les fichiers XML des décisions de justice. Il permet de transformer des documents administratifs complexes en données textuelles et métadonnées accessibles, facilitant ainsi leur analyse et leur exploitation par des professionnels du droit ou des systèmes automatisés.

Ce projet automatise la transcription de vidéos institutionnelles, notamment celles de l'Assemblée Nationale, en convertissant la parole en texte écrit. Il permet de générer des sous-titres synchronisés avec la vidéo, facilitant ainsi l'accessibilité et l'archivage des contenus. Le système utilise des modèles d'intelligence artificielle pour traiter l'audio et produire des transcriptions précises, même pour des expressions techniques ou des débats complexes.

Ce projet automatise l'identification et l'extraction des titres de chansons (airs) présents dans des textes dramatiques français, notamment des pièces de théâtre. Il compare les occurrences textuelles avec une base de référence de titres connus, utilise des techniques de recherche sémantique pour améliorer la précision, et génère des rapports d'évaluation pour mesurer la performance du système. L'outil est particulièrement utile pour les chercheurs en littérature ou en musicologie travaillant sur des corpus historiques.

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.