Ce projet facilite l'indexation automatique des notices bibliographiques en intégrant un service d'IA dédié aux vedettes RAMEAU. Il permet aux catalogueurs d'extraire des métadonnées depuis des notices Unimarc, d'interroger un moteur d'indexation basé sur l'intelligence artificielle, et de récupérer des propositions de sujets directement dans leur environnement de travail WinIBW ou via un navigateur web. L'objectif est d'accélérer et d'améliorer la qualité de l'indexation des documents dans les bibliothèques.

Plateforme d'orchestration et d'exploitation dédiée à l'indexation automatique des sujets RAMEAU pour les bibliothèques universitaires. Elle centralise la gestion des conteneurs Docker, l'orchestration des services d'inférence, de vectorisation et de stockage vectoriel, ainsi que les procédures de déploiement et de supervision. Son objectif est d'améliorer l'efficacité des catalogueurs en proposant des suggestions d'indexation sémantique basées sur des modèles de langage et des bases de données vectorielles.

Ce projet permet de déployer et superviser un batch Java Spring Boot dédié à l'indexation automatisée des sujets RAMEAU dans les catalogues bibliographiques. Il s'intègre dans un écosystème de gestion documentaire pour faciliter la recherche et l'enrichissement des métadonnées. Le service est utilisé par des bibliothèques et organismes de documentation pour maintenir à jour leurs bases de données.

Ce projet, développé par l'ABES (Agence Bibliographique de l'Enseignement Supérieur), automatise la transformation des données bibliographiques et d'autorités RAMEAU en représentations vectorielles denses. Il calcule des embeddings sémantiques pour les vedettes-matières RAMEAU, agrège les vecteurs par concept et alimente une base de données vectorielle (Qdrant) afin d'améliorer la recherche et l'indexation automatique des notices dans le catalogue Sudoc.

Service web backend conçu pour l'ABES (Agence Bibliographique de l'Enseignement Supérieur) qui automatise l'indexation des notices bibliographiques en proposant des vedettes-matières RAMEAU Unimarc (zone 606). Il analyse titres et résumés de documents pour suggérer des termes d'indexation pertinents, facilitant ainsi le travail des catalogueurs et améliorant la précision des recherches documentaires dans les bibliothèques universitaires.

Ce projet est un traitement par lots (batch) conçu pour extraire, transformer et exporter des notices bibliographiques issues de la base de données Sudoc. Il génère des fichiers CSV contenant les titres, résumés et sujets RAMEAU associés, tout en éliminant les doublons. Ces fichiers sont ensuite transmis à un module de vectorisation pour alimenter une base de données vectorielle dédiée à l'indexation sémantique des documents.

Ce projet développe un système d'indexation sémantique pour les documents bibliographiques, utilisant l'intelligence artificielle afin de prédire automatiquement des mots-clés RAMEAU (vocabulaire contrôlé francophone). Il transforme l'indexation en un problème de recherche sémantique, en calculant des vecteurs pour chaque sujet à partir des descriptions des documents. L'objectif est d'améliorer l'accès aux ressources documentaires pour les bibliothèques universitaires et les centres de documentation.