Connexion Publier

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.

contextetech

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.

Données 373 j
contextetech

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…

Données 213 j
contextetech

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.

Données 172 j
contextetech

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…

Données 173 j
contextetech

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…

Données 153 j
contextetech

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…

Données 132 j
contextetech

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.

Données 32 j
contextetech

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.

Données 12 j
contextetech

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.

Données17 morceau(x) 2 j
contextetech

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.

Données10 attaque(s) 2 j
contextetech

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.

Données 2 j
contextetech

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.

Données 2 j
contextetech

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.

Données 2 j
contextetech

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.

Données 2 j
contextetech

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.

Données 2 j
contextetech

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.

Données 2 j
contextetech

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.

Données 2 j
contextetech

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.

Données 2 j
contextetech

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.

Données12 attaque(s) 2 j
contextetech

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.

Données20 morceau(x) 2 j
contextetech

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).

Données5 cas 8 j

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.