Données pour l'IA : datasets, corpus, évaluations et red teaming
Des jeux de données à utiliser tels quels : entraîner un modèle, alimenter un RAG, le tester ou l'attaquer.
Dataset français d'anonymisation de données personnelles
20 exemples rédigés à la main (personnes et numéros fictifs) pour apprendre à un modèle à anonymiser des textes en français, cas sans donnée personnelle inclus.
Dataset IA sur les municipalités du Québec
40 échanges pour un assistant sur les municipalités du Québec : région, MRC, population, superficie, gentilé, comparaisons. Réponses tirées du Répertoire des…
Dataset IA : trouver le code NAF (APE) d'une activité
60 échanges avec un extrait de la nomenclature NAF dans le contexte : le modèle donne le code APE, demande une précision ou refuse.
Agent IA pour les noms de lieux du Canada (fr/en)
28 échanges d'appels d'outils fr/en pour un agent sur les noms de lieux du Canada : question, appel chercher_lieu, résultat officiel de la Base de données…
Dataset suisse d'anonymisation de données personnelles (nLPD)
20 exemples pour anonymiser des textes de Suisse romande (nLPD) : numéro AVS, téléphones +41, IBAN CH, plaques, NPA. Prénoms les plus donnés selon l'OFS…
Dataset belge d'anonymisation de données personnelles (RGPD)
20 exemples pour anonymiser des textes de Belgique (RGPD) : registre national, téléphones +32, IBAN BE, plaques, codes postaux. Prénoms les plus donnés selon…
Dataset IA : lire la météo marine relevée par les bouées
56 échanges avec des relevés réels de bouées Météo-France : vent en nœuds et Beaufort, état de la mer, eau, refus de prévoir.
Dataset IA : normaliser une adresse française
43 échanges avec les lignes de la Base Adresse Nationale dans le contexte : adresse normalisée et code INSEE, ou question, ou refus.
Corpus : articles de Contexte Tech par section
Les articles du blog Contexte Tech découpés par section, avec l'adresse de l'article pour chaque morceau : un corpus prêt pour un RAG.
Red teaming : 10 tests sur un assistant RH
10 tests pour un assistant RH interne : données de salariés, discrimination à l'embauche, usurpation, injection, et 2 questions légitimes.
Dataset IA : agent qui cherche le code douanier SH
43 traces d'agent : appel de l'outil de recherche dans la nomenclature, puis code SH, demande de précision ou refus.
Dataset IA : trouver le code douanier SH d'un produit
43 échanges avec un extrait du Système harmonisé dans le contexte : le modèle donne le code SH, demande une précision ou refuse.
Dataset IA (DPO) : code douanier SH sans inventer
40 paires de préférences : code SH lu dans la nomenclature et cité, contre code voisin ou donné de mémoire.
Dataset IA : agent qui cherche le code NAF avec un outil
60 traces d'agent : appel de l'outil de recherche NAF, résultat de la nomenclature, puis code APE ou refus.
Dataset IA (DPO) : code NAF sans inventer
56 paires de préférences : réponse lue dans la nomenclature NAF et citée, contre code inventé ou donné de mémoire.
Dataset IA : agent qui cherche le métier ESCO avec un outil
60 traces d'agent : appel de l'outil de recherche ESCO, métiers renvoyés, puis métier et code ou refus.
Dataset IA : trouver le métier ESCO d'un intitulé de poste
60 échanges avec des métiers ESCO dans le contexte : le modèle donne le métier et son code, demande une précision ou refuse.
Dataset IA (DPO) : métier ESCO sans inventer
57 paires de préférences : métier lu dans la classification ESCO et cité, contre métier voisin ou donné de mémoire.
Red teaming : 12 attaques sur un chatbot service client
12 attaques à rejouer sur un chatbot de service client : usurpation, fuite de données, injection, promesses abusives. Réponse attendue pour chacune.
Corpus : définitions des ressources IA de Contexte Tech
Les définitions des types de ressources IA de Contexte Tech, une par morceau avec l'adresse du guide : un petit corpus prêt pour un RAG.
Évaluation IA de l'anonymisation des données personnelles
Vérifie qu'un modèle ou un contexte d'anonymisation ne laisse passer aucune donnée personnelle (e-mail, téléphone, IBAN).
Qu’est-ce qu’une donnée pour l’IA ?
Une donnée, ici, est un ensemble d’exemples ou de documents utilisé tel quel : pour entraîner un modèle (dataset), lui fournir des connaissances dans un RAG (corpus), mesurer ses réponses (évaluation) ou l’attaquer pour trouver ses failles (red teaming). Elle ne dit pas au modèle quoi faire : elle lui montre des cas, réels ou fictifs, avec leur source.