Parallel Text en français : traitement automatique des langues, IA et données

Parallel Text est une publication indépendante, d'abord rédigée en anglais, qui explique le traitement automatique des langues (TAL) : comment les machines analysent, traduisent et génèrent le langage humain, et comment on vérifie qu'elles fonctionnent. Cette rubrique en français s'adresse aux lecteurs francophones : étudiants, chercheurs d'autres disciplines, documentalistes, juristes ou curieux qui s'intéressent à l'IA appliquée à la langue française.

Évaluer un modèle de langue en français : FLUE, FQuAD, PIAF, FrenchBench et leurs limites
Comment mesurer ce qu'un modèle de langue sait faire en français : les bancs d'essai FLUE, XNLI, FQuAD, PIAF et FrenchBench, les pièges des tests traduits de l'anglais, la contamination des données et l'évaluation humaine.
La recherche francophone en TAL : laboratoires, conférences et modèles de langue français
Qui fait du traitement automatique des langues en français ? L'ATALA, la conférence TALN et la revue TAL, les principaux laboratoires en France, au Québec, en Belgique et en Suisse, le supercalculateur Jean Zay et les modèles CamemBERT, FlauBERT, BLOOM, CroissantLLM et Lucie.
Jeux de données en français pour le TAL : où les trouver, et sous quelle licence
Treebanks, corpus oraux, questions-réponses, textes juridiques ouverts, corpus web et parole : un inventaire raisonné des jeux de données en français pour le traitement automatique des langues, avec les plateformes (ORTOLANG, Huma-Num, data.gouv.fr) et les licences à vérifier.
Fouille de textes et de données : ce que permet le droit français pour entraîner un modèle
L'article L122-5-3 du Code de la propriété intellectuelle, issu de la directive européenne de 2019 : l'exception de fouille pour la recherche, l'exception générale et le droit d'opposition (opt-out), les obligations du règlement européen sur l'IA, et le RGPD vu par la CNIL.

Rubriques

Notre façon de travailler

Ces articles ne sont pas des traductions de l'édition anglaise : ils sont écrits pour un public francophone, à partir des publications scientifiques (actes de conférences, fiches des modèles et des jeux de données) et des textes officiels français et européens, qui sont liés dans le texte pour que vous puissiez les lire vous-même. Les faits sont datés, et ce que nous n'avons pas pu vérifier n'est pas publié. Il n'y a ni publicité, ni contenu sponsorisé, ni produit à vendre. La rubrique est récente et s'enrichira peu à peu ; en savoir plus sur Parallel Text.

Vous lisez l'anglais ? L'édition anglaise propose une vingtaine de guides, de la tokenisation à l'évaluation de la traduction automatique en passant par les langues peu dotées.