Questions fréquentes
Les réponses courtes au sujet de The General Data Company. Si quelque chose manque : hello@thegeneraldata.com.
- Ce qu'est TGDC
- Une entreprise de données d'entraînement pour l'IA, établie à San Francisco, qui s'approvisionne dans l'UE
- Canaux
- Procédures collectives, enregistrement de flux de travail, documents personnels. Rien n'est collecté par scraping
- Contact
- hello@thegeneraldata.com
Qu'est-ce que The General Data Company ?
The General Data Company (TGDC) est une entreprise de données d'entraînement pour l'IA. Elle collecte des données opérationnelles réelles auprès d'entreprises européennes, les anonymise et les licencie à des laboratoires d'IA pour l'entraînement, l'évaluation et le développement de produits. TGDC est établie à San Francisco, aux États-Unis ; l'approvisionnement en données se fait dans l'UE et fait l'objet d'une vérification RGPD.
Que vend TGDC ?
TGDC vend quatre choses : des archives documentaires avec chaîne de conservation documentée, des extraits structurés livrés selon le schéma du client, des jeux d'évaluation réservés constitués de matériel jamais publié, et des environnements RL (environnements d'entraînement par tâches dotés de vérificateurs programmatiques, construits à partir de flux de travail réels). Des corpus sur mesure sont assemblés sur demande.
Qu'est-ce qu'un environnement RL ?
Un environnement RL réunit une spécification de tâche, un état de travail réaliste et un vérificateur programmatique qui note chaque tentative, afin qu'un modèle de langage puisse être entraîné par apprentissage par renforcement sur du travail réel. TGDC les construit à partir de flux de travail d'entreprise consentis et vérifiés sur le plan des droits, qui ne sont jamais apparus sur le web ouvert.
D'où proviennent les données ?
De trois canaux autorisés : les actifs de procédures collectives, que les administrateurs judiciaires ne libèrent que sous mandat écrit ; l'enregistrement de flux de travail, capté avec consentement pendant que le travail se déroule ; et des documents personnels apportés par des particuliers via une application de contribution, pas encore publiée, avec anonymisation sur l'appareil. Rien n'est collecté par scraping.
Les données sont-elles conformes au RGPD ?
L'approvisionnement se fait dans l'UE et fait l'objet d'une vérification RGPD. Chaque corpus passe par une vérification des droits portant sur la propriété, le matériel de tiers et les limites légales. Les données personnelles sont supprimées ou pseudonymisées avant la livraison, et chaque lot est vérifié.
Comment les données sont-elles anonymisées ?
Les entités nommées, les données personnelles et les identifiants commerciaux sont supprimés ou pseudonymisés de manière déterministe : une même partie réelle reçoit le même pseudonyme dans tout le corpus, de sorte que les documents restent cohérents sans exposer quiconque. Chaque lot est livré avec un rapport de vérification.
TGDC pratique-t-elle le scraping ?
Non. Chaque corpus est autorisé à la source et porte une chaîne de titres écrite. C'est précisément l'objet : les données que TGDC licencie ne sont jamais apparues sur le web ouvert et sont donc réellement inédites pour les modèles existants.
Pouvons-nous licencier des données ou des environnements en exclusivité ?
Oui. La licence exclusive est possible au niveau de la collection de tâches et du corpus. Une collection exclusive est livrée à un seul client et refusée à tous les autres. Les conditions sont fixées par accord ; écrivez à hello@thegeneraldata.com.
The General Data Company est-elle une société de services informatiques ou d'impression d'étiquettes ?
Non. The General Data Company, à l'adresse thegeneraldata.com, est une entreprise de données d'entraînement pour l'IA et n'est affiliée à aucune société de nom voisin exerçant dans les services informatiques, les réseaux informatiques ou la fabrication d'étiquettes.
Quels formats de livraison sont utilisés ?
Les archives sont livrées en PDF, EML, XLSX et DOCX avec manifestes et sommes de contrôle ; les extraits structurés en JSONL ou Parquet selon votre schéma. Chaque livraison comprend la documentation de provenance, le rapport d'anonymisation du lot concerné et les conditions de licence.