EDS-NLP est un framework collaboratif de traitement automatique des langues (NLP) qui vise principalement à extraire des informations à partir de notes cliniques en français. Il s'agit d'une collection de composants ou de pipes, qui peuvent être des fonctions basées sur des règles ou des modules d'apprentissage profond. Ces composants sont organisés dans un système de pipeline efficace et modulaire, conçu pour les modèles hybrides et multitâches. Nous utilisons spaCy pour représenter les documents et leurs annotations, et PyTorch comme backend d'apprentissage profond pour les composants entraînables.

Le moteur NER de la Cour de Cassation est un outil d'anonymisation de décisions de justice. Il permet de protéger les données personnelles en identifiant et en anonymisant les entités nommées (noms, prénoms, dates, etc.) dans les décisions avant leur diffusion en open data. Il repose sur des techniques d'apprentissage automatique et de traitement du langage naturel.

Ce projet propose un module de normalisation et d'automatisation pour les analyses sémantiques et le traitement du langage naturel (NLP). Il permet de standardiser les outils et méthodes utilisés dans les projets d'analyse sémantique, tout en offrant des pipelines prêts à l'emploi pour accélérer la mise sur le marché de services NLP. Le projet facilite le prétraitement de données textuelles variées (chaînes de caractères, listes, tableaux, fichiers CSV) et simplifie le développement de modèles de machine learning.

BioGITOM est un système spécialisé dans l'alignement d'ontologies biomédicales, essentielles pour organiser et standardiser les connaissances médicales. Il combine des embeddings sémantiques spécifiques au domaine avec des caractéristiques structurelles issues d'un modèle hybride (Graph Isomorphism Transformer). Cette approche permet de générer des représentations précises des concepts et d'améliorer l'intégration des données entre différentes ontologies, facilitant ainsi la recherche et l'analyse en santé.

OCR-Xtract est un outil développé par le Lab IA d'Etalab pour moderniser les services publics français grâce à l'intelligence artificielle. Il permet d'extraire automatiquement des informations clés à partir de documents scannés ou d'images, comme les cartes d'identité ou les fiches de paie, afin de les rendre exploitables numériquement. Destiné aux agents de l'État, il accélère le traitement des documents non directement exploitables et réduit les tâches manuelles répétitives.

PIAF (Pour une IA Francophone) est un projet public français porté par Etalab, visant à construire un jeu de données de questions-réponses en français, similaire au format SQuAD. Le projet utilise un sous-ensemble de Wikipedia en français, sélectionné via un algorithme de PageRank, puis enrichi par une communauté via une plateforme d'annotation. Les données générées sont analysées pour produire des statistiques lexicales et syntaxiques, facilitant ainsi l'entraînement de modèles d'IA francophones.

Outil dédié au traitement automatique des décisions de justice issues des bases JURINET et JURICA. Il permet de pseudonymiser les textes juridiques pour protéger les données sensibles tout en conservant leur structure et leur sens. Le projet intègre des modèles d'apprentissage automatique pour identifier et extraire les entités juridiques pertinentes, puis applique des méthodes de post-traitement pour affiner les résultats et corriger les erreurs potentielles.

Ce dépôt rassemble des ressources pour la programmation Python en sciences humaines et sociales, avec une liste de méta-ressources, des ressources en français et en anglais, des exemples de projets et d'utilisation de Python dans les SHS, ainsi que des bibliothèques intéressantes pour les chercheurs en SHS.

Ce projet est un tutoriel qui vise à introduire des problématiques liées à l'analyse de données réelles dans les entrepôts de données de santé. Il s'adresse aux data scientists qui maîtrisent les bases de la programmation Python et de l'analyse de données. Le tutoriel est composé d'une série d'exercices et d'un projet final qui simule une étude de recherche complète qui pourrait être publiée dans un article scientifique.

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.