RAG Facile est une trousse de démarrage pour la construction d'applications RAG (Retrieval-Augmented Generation) dans l'administration française, en utilisant l'API Albert. Elle est conçue pour des projets exploratoires.

OpenGateLLM est une API gateway open-source, prête pour la production, optimisée pour les modèles auto-hébergés. Elle est conçue pour centraliser, sécuriser et gérer l'accès à l'IA générative de manière souveraine et économique.

Letta Code est un environnement de codage axé sur la mémoire, construit sur l'API Letta. Il permet de travailler avec un agent persistant qui apprend au fil du temps et est portable entre différents modèles.

Ce dépôt contient le chart Helm pour déployer OpenGateLLM et ses composants sur Kubernetes. Il fournit deux charts : un pour le cœur d'OpenGateLLM et un pour la stack complète avec des dépendances optionnelles.

BlockNote est un éditeur de texte riche basé sur des blocs, open source, avec React. Il permet d'ajouter facilement une expérience d'édition moderne à vos applications.

Ce projet traite des données publiques mises à disposition par diverses administrations afin de faciliter l'accès à des données vectorisées et prêtes à l'emploi pour les applications d'IA dans le secteur public.

EvalAP est une plateforme et une API de haut niveau conçues pour effectuer des évaluations pour Etalab. Ce projet fournit une API pour évaluer les modèles de langage (LLM) et une interface pour naviguer dans les ensembles de données, les modèles, les métriques et les expériences.

Ce projet fournit des fonctionnalités et des pipelines utiles liées aux collections de données d'ALBERT. Il permet de mettre à jour et de gérer ces collections de données de manière automatisée.

OpenMockLLM est un serveur d'API mock LLM basé sur FastAPI qui simule plusieurs fournisseurs d'API de grands modèles de langage. Il permet de tester et de prototyper des applications utilisant des LLM sans dépendre des services externes.

Ce serveur FastAPI permet de traiter des documents en utilisant la bibliothèque marker-pdf pour les environnements de production. Il s'inspire du script serveur officiel de Marker.

Ce projet est un test pour les prompts d'assistants IA. Il vise à explorer et valider différentes formulations de prompts pour améliorer les performances des assistants.

ChartsGouv est une distribution d’Apache Superset intégrant le thème DSFR (Design Système de l’État Français). Elle vise à fournir un Superset DSFR prêt à l’emploi pour les administrations publiques.

Open WebUI est une plateforme d'IA auto-hébergée, extensible et conviviale, conçue pour fonctionner entièrement hors ligne. Elle prend en charge divers runners LLM comme Ollama et des API compatibles OpenAI, avec un moteur d'inférence intégré pour RAG.

Ce dépôt contient les pipelines utilisés sur assistant-ia (anciennement albert-conversation).

InfraScale est un outil développé par l'équipe Albert API pour estimer les besoins en GPU pour l'inférence LLM à grande échelle. Il fournit une méthodologie reproductible, ouverte et pratique pour estimer les besoins en GPU.

Ce projet sert de pont entre OpenGatellm et MCP (Machine Comprehension Pipeline). Il facilite l'intégration et la communication entre ces deux systèmes pour des tâches de traitement du langage naturel.

Ce dépôt est le backend web pour Albert, un projet visant à fournir des modèles d'IA générative aux agents de la fonction publique. Il permet d'accéder à des données françaises officielles pour répondre aux questions des agents administratifs.

Ce dépôt fournit une interface visuelle pour interagir avec l'API d'Albert, le chatbot LLM du gouvernement français pour les maisons France services. Il permet aux agents administratifs de poser des questions et d'obtenir des réponses basées sur des sources de données officielles françaises.

Ce serveur MCP simple renvoie des jeux de données pour une requête donnée. Il permet de faciliter l'accès aux données de data.gouv.fr.

Ce projet fournit un serveur de protocole de contexte de modèle (MCP) pour les données officielles du gouvernement français. Il permet d'interroger et d'utiliser ces données avec des modèles de langage.

Bot pour Tchap utilisant Albert, l'agent conversationnel de l'administration française. Ce bot permet de répondre à des questions sur Tchap en utilisant un modèle de langage.

Ce projet a pour but de fournir une interface visuelle pour interagir avec l'API d'Albert, le chatbot LLM du gouvernement français. Il est encore en développement et peut contenir des éléments spécifiques à France Services.

Ce dépôt contient le site web d'Etalab, la mission chargée de promouvoir l'ouverture des données publiques en France. Il fournit des informations sur les initiatives, les événements et les ressources liés à l'open data.

Ce projet vise à faciliter l'extraction d'informations à partir de formulaires, notamment les formulaires CERFA, en utilisant des techniques de reconnaissance optique de caractères (OCR) et d'intelligence artificielle.

Cette API fait partie de l'effort de pseudonymisation des documents mené par le Lab IA d'Etalab. Elle permet aux développeurs d'automatiser la pseudonymisation de documents avec leurs propres modèles.

Cette application de démonstration fait partie de l'effort de pseudonymisation des documents mené par Etalab's Lab IA. Elle permet de tester un outil de pseudonymisation développé pour aider le Conseil d'État à ouvrir ses décisions de justice au public.

Ce projet vise à améliorer la qualité des services publics en utilisant des modèles de langage de grande taille (LLM). Il permet de s'appuyer sur ces modèles pour répondre aux besoins des usagers.

Ce dépôt contient le code pour le projet AMI IA 2 de l'INERIS. Il vise à développer un outil de caractérisation des composés chimiques pour l'identification de substances, de sources de pollution et la caractérisation de sources de pollution de l'air.

Ce projet vise à fournir une solution de question-réponse en français facilement activable. Il a pour objectif de préparer les données, évaluer les performances et expérimenter différentes approches pour un pipeline de QA.

Ce projet vise à analyser les signalements de la DGS grâce à des techniques d'intelligence artificielle. Il comprend l'ingestion de données, la classification et le regroupement des signalements, ainsi qu'une interface de traitement.

Ce dépôt contient le code source du projet AMI IA 2 de la DGCL. Il vise à développer des outils d'intelligence artificielle pour l'analyse de documents juridiques.

Ce dépôt vise à proposer et générer une "Carte de modèle" pour faciliter la réutilisation et améliorer la qualité des modèles d'algorithmes. Il permet de documenter les modèles et leur évolution.

Ce dépôt contient des snippets de code utilisés pour divers besoins, notamment pour la plateforme code.gouv.fr du gouvernement français.

Ce dépôt contient le code source du projet AMI IA 2 de l'INSEE. Il vise à développer des outils et des modèles d'intelligence artificielle pour l'INSEE.

Le projet DGML vise à la construction d'un catalogue de jeux de données de data.gouv.fr pour le Machine Learning. Il permet de sélectionner rapidement des jeux de données adaptés aux tâches de ML et d'obtenir un aperçu rapide des informations utiles.

OCR-Xtract est un outil qui effectue de la reconnaissance optique de caractères (OCR) et de l'extraction d'informations à partir de documents. Il vise à accélérer le travail des agents de l'État traitant des documents dont les formats ne sont pas directement exploitables numériquement.

Ce dépôt contient le code pour le projet AMI IA 2 de la CRMA NA. Il permet d'entraîner et d'utiliser des modèles pour optimiser l'implantation des artisans et évaluer leur pérennité.

Cette étude rapide vise à examiner où le couverture des stations d'observation climatique pourrait être renforcée.

Ce site web est développé par etalab-ia. Il semble être une plateforme d'information ou de présentation, potentiellement liée à l'intelligence artificielle (IA) ou à des sujets connexes.

Ce package permet l'exploitation et la transformation des fichiers DOC du Conseil d'État pour la modélisation du langage et la reconnaissance d'entités nommées. Il inclut également le code pour entraîner un modèle baseline Flair.

doctr est une bibliothèque accessible et performante pour la reconnaissance de texte dans les documents, utilisant le deep learning pour les tâches liées à l'OCR.

Cette API permet de convertir des fichiers PDF numérisés en fichiers texte et PDF éditables. Elle supporte le traitement de fichiers uniques ou multiples.

Ce dépôt regroupe les ressources du programme AMI IA, accompagnant les administrations publiques dans l'expérimentation de l'IA. Il agrège la documentation, les contenus des ateliers et les bonnes pratiques pour la communauté AMI IA.

Cette base de connaissances est celle du Lab IA d'Etalab. Elle vise à centraliser et partager les connaissances et les ressources du laboratoire.

Piaf-ranker est un modèle de jugement de pertinence français qui utilise CamemBERT comme base et attribue un score à un passage de texte en fonction de sa pertinence par rapport à une requête donnée. Il est utilisé pour reranker des documents dans une approche de ranking en plusieurs étapes.

Ce projet extrait le texte et les métadonnées des fichiers XML des décisions de justice.

Ce chatbot a pour objectif de répondre à des questions sur le domaine de l'eau, en utilisant des techniques de traitement du langage naturel pour extraire des informations pertinentes.

auto-sklearn est un toolkit d'apprentissage automatique et un remplacement direct pour un estimateur scikit-learn. Il automatise le processus de sélection et d'optimisation des modèles d'apprentissage automatique.

Ce projet fournit des données sur les démonymes français associés aux entités de DBpedia. Il permet d'obtenir les noms des habitants pour différents lieux et pays en français.

Ce projet implémente un wrapper Python pour l'analyseur temporel HeidelTime. Il utilise l'application HeidelTime-standalone pour effectuer l'analyse temporelle du texte.

Ce projet utilise l'apprentissage automatique pour prédire la validation ou le refus de demandes administratives. L'objectif principal est de comprendre et d'expliquer les choix pris par les algorithmes.

Ce projet est un frontend pour une application de question-réponse (comme Piaf). Il permet aux utilisateurs de poser des questions et d'obtenir des réponses pertinentes.

Cette application web permet d'accéder et d'analyser des données médicales. Elle offre une interface pour visualiser des informations provenant de différentes sources, comme des rapports de laboratoire et des données cliniques.

Ce dépôt contient le code source du projet AMI IA 2 du CHU de Bordeaux. Il vise à développer et déployer des solutions d'intelligence artificielle dans le domaine de la santé.

Cette application est l'interface frontale du projet SGMAP - DGS. Elle interagit avec le backend Python du projet pour fournir des fonctionnalités spécifiques.

Ce dépôt contient le code utilisé pour générer l'échantillon Wikipédia français utilisé dans le projet de question-réponse PIAF. Il permet de créer un ensemble de données pour l'entraînement de modèles de question-réponse en français.

Ce dépôt contient le code pour extraire le texte des fichiers PDF trouvés sur data.gouv.fr. Il permet de récupérer et de traiter le contenu textuel de ces documents, facilitant ainsi leur analyse et leur réutilisation.

Dépôt de code pour le projet AMI IA 2 de l'ANSSI.