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.

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.

Le projet mmnlg2023 est une plateforme de traitement automatique du langage naturel (TALN) permettant la génération de textes à partir de descriptions, la création de résumés de documents et la traduction automatique de textes. Il est basé sur des algorithmes de pointe en intelligence artificielle et permet aux utilisateurs de bénéficier de fonctionnalités avancées de traitement du langage.

Ce projet fournit un corpus de données dédié à l'analyse de l'impact des transcriptions ASR (Automatic Speech Recognition) sur la résolution de coréférence en français. Les données, issues de transcriptions automatiques et manuelles, permettent d'étudier les différences de performance des modèles de traitement automatique du langage entre ces deux types de transcriptions. Le corpus est librement accessible sous licence CC BY-NC-SA 4.0 pour la recherche académique.

Emg est un outil de traitement automatique du langage naturel dédié à l'analyse syntaxique des phrases en français. Il génère des grammaires linguistiques à partir d'une métagrammaire et les compile pour produire des structures syntaxiques exploitables. Développé dans le cadre de la chaîne de traitement linguistique Alpage par l'INRIA, il permet de traiter des phrases avec ou sans lexique, en offrant des fonctionnalités comme l'analyse partielle ou la génération de forêts de dérivation.

Outil d'intelligence artificielle conçu pour pseudonymiser automatiquement des documents textuels contenant des données personnelles, notamment des décisions de justice administrative. Il permet aux organismes publics de publier des documents en open data tout en respectant le RGPD. Basé sur des modèles de traitement du langage naturel (NLP), il identifie et remplace les éléments identifiants (noms, adresses, etc.) par des alias, garantissant ainsi la protection des données sensibles.

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.

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.

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.

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 des textes juridiques issus de différentes plateformes. L'objectif est d'aider les régulateurs et les institutions publiques à identifier les incohérences ou les chevauchements entre les réglementations.