| # Sources tierces et attributions |
|
|
| Ce projet redistribue ou dérive des ressources suivantes. |
|
|
| ## Données |
|
|
| - **BODACC** (annonces commerciales, DILA/data.gouv.fr) — Licence Ouverte |
| v2.0. Utilisé pour : jeux d'évaluation réels, pools de valeurs réelles. |
| - **INSEE base SIRENE** (StockUniteLegale) — Licence Ouverte v2.0. |
| Utilisé pour : gazetteer des dénominations d'entreprises. |
| - **INSEE fichier des prénoms** (nat2022) — Licence Ouverte v2.0. |
| - **geo.api.gouv.fr / COG** (communes) — Licence Ouverte v2.0. |
| - **WikiNER-fr-gold** (danrun/WikiNER-fr-gold, HuggingFace) — |
| **CC-BY-4.0**. Utilisé pour : jeu d'éval hors domaine et tranche du |
| corpus d'entraînement. Attribution requise, y compris pour les modèles |
| entraînés dessus. |
| - **Wikidata** (marques et éditeurs de logiciels) — CC0. |
| - **an-array-of-french-words** — MIT. Utilisé pour : filtre lexical du |
| gazetteer. |
| - **ai4privacy/pii-masking-200k** — licence restrictive (usage commercial |
| sur accord écrit). Utilisé UNIQUEMENT en évaluation comparative, JAMAIS |
| en entraînement. Non redistribué. |
|
|
| ## Modèles |
|
|
| - **cmarkea/distilcamembert-base** — MIT. Socle de nos fine-tunes. |
| - **almanach/camembert-base** — MIT. Socle de la variante 110M. |
| - **Jean-Baptiste/camembert-ner** — MIT. Moteur PERSON/CITY du pipeline. |
| - **Anonym-IA/V2-camembert-ner-pii-french** — MIT. Filet du pipeline |
| serveur. |
|
|
| ## Ce qui N'EST PAS publié |
|
|
| - Toute donnée réelle de correspondance (`data/private/`) : données |
| personnelles de tiers, jamais versionnées ni redistribuées. |
| - Les fichiers de modèles et gazetteers volumineux : régénérables via les |
| manifests (`data/*.manifest.json`) qui contiennent la commande exacte et |
| le sha256 de contrôle. |
|
|
