Skip to content
Open Data Finder
data.gouv.fr

Exemples d'anonymisation de textes en français (RGPD) pour l'entraînement de modèles de langage

Published by ContexteTech

About this dataset

Jeu de 20 exemples rédigés à la main, en français, pour apprendre à un modèle de langage (LLM) à remplacer les données personnelles d'un texte par des balises numérotées (\[NOM\_1], \[TELEPHONE\_1], \[IBAN\_1]…) avant de l'envoyer à un service tiers. Des cas sans aucune donnée personnelle sont inclus, pour que le modèle apprenne à les laisser intacts. Toutes les personnes, adresses, numéros de téléphone, e-mails et IBAN sont fictifs. Format : JSONL au format conversationnel (messages system, user, assistant), prêt pour le fine-tuning supervisé (TRL, Axolotl, Unsloth). Ce jeu fait partie d'une chaîne complète publiée sur ContexteTech ( ), hub open source de ressources pour LLM, hébergé en Europe : contexte d'anonymisation sans entraînement, évaluation, configuration LoRA pour Mistral 7B et agent de traitement de dossiers. Méthode complète :

Exemples d'anonymisation de textes en français (RGPD) pour l'entraînement de modèles de… · Open Data Finder