Les fonds documentaires de procédures collectives comme données d'entraînement

Lorsqu'une entreprise est liquidée, l'intégralité de son fonds documentaire passe à un administrateur judiciaire : des années de correspondance, de contrats, de factures et d'écritures. Sous mandat écrit de cet administrateur, le fonds peut faire l'objet d'une vérification des droits, être anonymisé et licencié comme données d'entraînement pour l'IA. C'est le canal d'approvisionnement fondateur de TGDC.

Source

Fonds documentaires d'entreprises européennes liquidées

Autorisation

Mandat écrit de l'administrateur avant qu'un seul fichier ne bouge

Étendue typique

Des décennies de correspondance, contrats, écritures et formulaires

Ce que contient un fonds documentaire

Une seule entreprise liquidée laisse derrière elle toute la trace écrite de sa vie opérationnelle : échanges de courriels avec clients et fournisseurs, contrats signés et leurs avenants, factures et lettres de relance, écritures et comptes de clôture, dossiers du personnel, et les pièces de procédure de la liquidation elle-même. Contrairement à une collecte web, un fonds est cohérent. Les mêmes contreparties, affaires et litiges traversent des milliers de documents sur des années. C'est exactement la structure longitudinale dont l'IA documentaire a besoin, et aucun jeu de données public ne la porte.

Le chemin juridique

• Mandat de l'administrateur. L'administrateur judiciaire dispose des actifs de la procédure, y compris de ses données. La licence n'intervient que sous mandat écrit de l'administrateur.
• Vérification des droits. Avant toute livraison, chaque corpus passe un examen portant sur la propriété, le matériel de tiers et les limites légales : ce qui peut être licencié, et à quelles conditions.
• Anonymisation. Les entités nommées, les données personnelles et les identifiants commerciaux sont supprimés ou pseudonymisés de façon déterministe, afin que les renvois entre documents restent cohérents sans exposer de parties réelles. Chaque lot est vérifié et un rapport accompagne la livraison.

Le résultat est un corpus à la fois licite et utile. La propriété est réglée par le mandat de l'administrateur, et la vérification des droits fixe ce qui peut être licencié à partir du fonds. Le rapport d'anonymisation couvre la vie privée et il est rédigé pour chaque lot. Tout cela est écrit avant que quoi que ce soit n'atteigne un acheteur.

Pourquoi ces données comptent pour l'IA

Tout ce qui est publiquement explorable est déjà dans chaque modèle de pointe. Les données de fonds n'ont jamais été en ligne : elles sont donc réellement inédites. Cela vaut dans deux rôles distincts. Comme matériau d'entraînement, elles ajoutent du signal plutôt que de la répétition. Comme substrat d'évaluation et d'environnements RL, elles sont exemptes de la contamination qui invaliderait autrement les résultats. Et parce qu'il s'agit de travail opérationnel réel et non de texte trié, elles portent le bruit, l'ambiguïté et les cas limites qui rendent le comportement appris robuste en production.

À quoi cela ressemble comme produit

TGDC livre les fonds sous forme de corpus licenciés : archives à chaîne de conservation documentée, extraits structurés selon le schéma du client, et jeux d'évaluation réservés. Chaque livraison comprend la chaîne de titres écrite depuis le mandat de l'administrateur, ainsi que le rapport d'anonymisation par lot. Les acheteurs peuvent remonter de chaque élément jusqu'à une autorisation. C'est la traçabilité que les obligations de documentation du règlement européen sur l'IA exigent de plus en plus.