Résumé des données d'entraînement (AI Act)

Trame du résumé des contenus d'entraînement demandé aux fournisseurs de modèles d'IA à usage général (AI Act, article 53).

AI Act articles : Article 53

Modèle et fournisseur

Nom du modèle d'IA à usage général, version, fournisseur.

Types de données

Textes, code, images, sons… et leur part approximative.

Principales sources

Grandes catégories de sources (sites web publics, données sous licence, données d'utilisateurs, données synthétiques).

Période de collecte

Dates de début et de fin de la collecte.

Respect du droit d'auteur

Comment les réserves de droits (opt-out) ont été prises en compte lors de la collecte.

Traitements appliqués

Filtrage, dédoublonnage, retrait de données personnelles ou de contenus illicites.

Langues

Principales langues représentées.

Estimated cost

Input tokens per call : ≈ 340

Input cost only, excluding the model's answer. Providers' public standard prices (Mistral AI, DeepSeek, OpenAI, Anthropic) converted from USD to euros at the ECB rate of September 29, 2026. Estimate: 1 token ≈ 3.6 characters.

Identifier

contextetech--resume-donnees-entrainement

Type

AI Act files

File

resume-donnees-entrainement.md

Format

MD

Size

852 bytes

Encoding

UTF-8

Estimated tokens

≈ 227

Language

French

License

MIT

Commercial use

Allowed

Personal data

None

Version

1.0

Published on

October 1, 2026 at 6:55 PM

Updated on

October 1, 2026 at 6:55 PM

Storage

in database

Uses

0

Likes

0

resume-donnees-entrainement.md

# Résumé des données d'entraînement (AI Act)

Trame du résumé des contenus d'entraînement demandé aux fournisseurs de modèles d'IA à usage général (AI Act, article 53).

## Modèle et fournisseur

Nom du modèle d'IA à usage général, version, fournisseur.

## Types de données

Textes, code, images, sons… et leur part approximative.

## Principales sources

Grandes catégories de sources (sites web publics, données sous licence, données d'utilisateurs, données synthétiques).

## Période de collecte

Dates de début et de fin de la collecte.

## Respect du droit d'auteur

Comment les réserves de droits (opt-out) ont été prises en compte lors de la collecte.

## Traitements appliqués

Filtrage, dédoublonnage, retrait de données personnelles ou de contenus illicites.

## Langues

Principales langues représentées.

PEFT / Transformers

from peft import LoraConfig, get_peft_model
from transformers import AutoModelForCausalLM

model = AutoModelForCausalLM.from_pretrained(
    "undefined", device_map="auto")

config = LoraConfig(
    r=undefined, lora_alpha=undefined, lora_dropout=undefined,
    target_modules=[],
    task_type="CAUSAL_LM",
)
model = get_peft_model(model, config)
model.print_trainable_parameters()
# lr=undefined, epochs=undefined, batch=undefined, grad_acc=undefined, max_seq_len=undefined