Solution open source utilisant l'intelligence artificielle pour faciliter l'analyse et la recherche automatisée de documents réglementaires des plateformes numériques. Basée sur des techniques de traitement automatique du langage (NLP) et de génération augmentée par récupération (RAG), elle permet aux régulateurs et chercheurs d'extraire, structurer et évaluer des informations complexes issues de textes juridiques et techniques.

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.

OpenGateRAG est une plateforme open source conçue pour automatiser et optimiser le traitement de documents textuels à grande échelle. Elle permet aux organisations de centraliser, analyser et exploiter efficacement leurs données documentaires grâce à des technologies de traitement automatique du langage et de recherche sémantique. Idéale pour les administrations, les bibliothèques ou les entreprises, elle facilite la gestion de connaissances et améliore la productivité des équipes.

Ce projet développé pour le Hackathon 2024 du PEReN et de la Commission Européenne vise à automatiser l'analyse et la comparaison de documents réglementaires européens. Il utilise des techniques de traitement automatique du langage et de recherche d'information pour extraire, structurer et comparer les exigences légales des plateformes numériques, facilitant ainsi leur conformité aux réglementations en vigueur.

Frmg est un outil de traitement automatique du langage naturel dédié à l'analyse syntaxique des phrases en français. Il génère des grammaires formelles à partir d'une métagrammaire et les compile pour produire des structures linguistiques exploitables. Développé dans le cadre de la chaîne de traitement linguistique d'INRIA, il permet de valider des phrases, d'extraire des forêts de dérivation et de faciliter la recherche en linguistique computationnelle.

Projet développé pour le Challenge 2 du Hackathon 2024 co-organisé par le PEReN et la Commission Européenne. Il vise à faciliter l'analyse et la comparaison de documents réglementaires européens via des techniques de traitement automatique du langage et de recherche sémantique. L'outil permet d'extraire, structurer et comparer des informations issues de différentes plateformes pour en faciliter l'interprétation et la conformité.

DiscReT est un projet de recherche en traitement automatique du langage naturel (TALN) développé par l'équipe MELODI. Il permet d'analyser et de taguer les relations discursives dans des textes multilingues en utilisant des modèles de langage avancés comme mBERT. L'outil facilite la compréhension des structures discursives pour des applications en linguistique computationnelle et en analyse de discours.

Ce projet développé pour le Hackathon 2024 du PEReN et de la Commission Européenne utilise des techniques avancées de traitement automatique du langage (NLP) pour analyser, structurer et rechercher des informations dans des textes réglementaires. Il permet d'extraire des entités, de générer des embeddings, de répondre à des questions précises et de fournir des sources documentaires pertinentes pour faciliter l'analyse et la compréhension des textes juridiques européens.

Projet développé pour le Hackathon 2024 du PEReN et de la Commission Européenne dans le cadre du Challenge 2 du DSA RAG Race. Il vise à automatiser l'analyse et l'extraction d'informations à partir de documents réglementaires européens pour faciliter leur compréhension et leur application par les acteurs concernés. Le système utilise des techniques avancées de traitement automatique du langage et de recherche sémantique pour fournir des réponses précises et contextualisées.

Projet de recherche académique analysant les interactions entre députés et acteurs médiatiques ou partisans via les réseaux sociaux. Il utilise des techniques de traitement automatique du langage et de modélisation thématique pour identifier les discours dominants, les influences et les dynamiques de communication au sein de l'Assemblée nationale. Les résultats sont présentés sous forme de tableaux de bord interactifs et de visualisations pour faciliter l'interprétation des données.