| --- |
| language: |
| - fr |
| license: cc-by-nc-4.0 |
| size_categories: |
| - n<1K |
| task_categories: |
| - text-retrieval |
| - question-answering |
| tags: |
| - legal |
| - french-law |
| - rag |
| - spadalab |
| pretty_name: "Certifications Securite" |
| --- |
| |
| # Certifications Securite |
|
|
| Export de la collection certifications_securite |
| |
| **479 chunks** issus de **265 articles uniques** — droit francais, prets pour ingestion RAG. |
| |
| ## Format |
| |
| - `data/chunks.parquet` — format principal (Parquet/snappy) |
| - `chunks.json` — meme contenu en JSON |
| - `datasheet.json` — fiche descriptive complete (Datasheet for Datasets, Gebru et al.) |
| - `metadata.json` — statistiques + hash SHA-256 d'integrite |
| |
| Chaque chunk contient au minimum : `article_id`, `titre_article`, `code_source`, `text`, `hierarchie`, `context_prefix`, `nb_tokens_estime`. |
| |
| ## Methode d'extraction |
| |
| Extraction automatisee depuis les API officielles (Legifrance PISTE, EUR-Lex) et telechargement de documents PDF publics (ANSSI, ENISA, CNIL). |
| |
| ## Chunking |
| |
| Decoupe intelligente par structure juridique native : alineas pour Legifrance, paragraphes numerotes pour EUR-Lex, sous-sections pour les PDFs. Taille max ~1500 tokens, min ~50 tokens. |
| |
| ## Licences sources |
| |
| - Licence Ouverte Etalab 2.0 (donnees Legifrance) |
| - EUR-Lex — reutilisation libre (Decision 2011/833/UE) |
| - Documents PDF publics — reproduction autorisee sauf mention contraire |
| |
| ## Licence dataset |
| |
| **CC-BY-NC-4.0** — usage non commercial uniquement. Pour usage commercial : licence custom SpadaLab (en cours). |
| |
| ## Charger le dataset |
| |
| ```python |
| from datasets import load_dataset |
| ds = load_dataset("SpadaLab/certifications-securite", data_files="data/chunks.parquet") |
| print(ds["train"][0]) |
| ``` |
| |
| ## Sources principales |
| |
| - Liste de vérification IA — RGPD (CNIL) |
| - NIS2 Technical Implementation Guidance v1.0 (ENISA) |
| - SecNumCloud v3.2 — Référentiel d'exigences (ANSSI) |
| - Cloud Security Guide for SMEs (ENISA) |
| |
| ## Contact |
| |
| - Site : https://spadalab.fr |
| - Email : contact@spadalab.fr |
| - Org HuggingFace : https://huggingface.co/SpadaLab |
| |
