Données opérationnelles sous licence, jamais parues sur le web ouvert

Disponible sous licence

Les archives sont des ensembles documentaires cohérents : correspondance, contrats, factures et écritures couvrant des années d’activité réelle. Les extraits structurés sont des extractions anonymisées et résolues par entité, livrées selon votre schéma. Les jeux d’évaluation sont des tâches documentaires réservées et jamais publiées, pour évaluer l’extraction, le raisonnement et les flux d’agents.

Les environnements RL sont des environnements d’entraînement par tâches avec vérificateurs programmatiques, construits à partir des mêmes documents.

Anonymisation

Les entités nommées, les données personnelles et les identifiants commerciaux sont supprimés ou pseudonymisés avant la livraison. La pseudonymisation est déterministe, afin que les renvois entre documents restent cohérents : une même contrepartie reçoit le même pseudonyme dans toute l’archive, sans révéler de qui il s’agissait.

Pourquoi des données opérationnelles

L’historique opérationnel d’une entreprise, c’est-à-dire sa correspondance, ses contrats, ses factures et ses litiges sur des années, n’a jamais été en ligne.

Rien n’est collecté par scraping.

Le règlement européen sur l’IA

Au titre du règlement européen sur l’IA, les fournisseurs de modèles d’IA à usage général doivent publier un résumé suffisamment détaillé des contenus utilisés pour l’entraînement. Les laboratoires confrontés à ces obligations de documentation trouveront dans notre note sur la traçabilité ce que le règlement attend des fournisseurs.

Questions à poser avant d’obtenir une licence sur des données d’entreprise propriétaires

À qui appartenaient les documents, et qui a autorisé la licence ? Quels usages sont permis : entraînement, évaluation, publication des résultats ? Quelles parties relèvent de contenus de tiers ? Comment les données personnelles ont-elles été traitées, et que laisse-t-on au contrat plutôt qu’à l’anonymisation ? Que contient la livraison, dans quels formats et avec quelle documentation ?

Les droits d’évaluation méritent leur propre ligne dans la licence : le preneur de licence peut-il tester sans entraîner, et les résultats peuvent-ils être publiés ?

Comment se déroule la livraison

Les conditions sont fixées par accord.

Les archives sont livrées en PDF, EML, XLSX et DOCX ; les extraits structurés en JSONL ou Parquet, selon votre schéma.

Les réponses aux questions courantes figurent dans la FAQ.