Traitement automatique du langage naturel pour l'analyse de documents juridiques algériens et la vérification automatisée de conformité réglementaire

Équipe

Méthodologie

1. Constitution d'un corpus parallèle arabe-français de 12 000 articles du Journal Officiel de la République Algérienne (JORADP) avec annotation manuelle des entités juridiques (loi, décret, article, date, institution).
2. Fine-tuning d'un modèle CamemBERT (français) et AraBERT (arabe) pour la reconnaissance d'entités nommées juridiques (Legal NER) avec évaluation croisée.
3. Développement d'un module de résolution de références croisées basé sur des règles et un graphe de connaissances juridique (liens entre articles, abrogations, modifications).
4. Prototype de vérificateur de conformité : étant donné un document administratif (permis, contrat), le système identifie les clauses potentiellement non-conformes aux textes en vigueur.

Métriques d'évaluation

• F1-score sur la reconnaissance d'entités juridiques — objectif > 88 % (français) et > 82 % (arabe).
• Précision de la résolution de références croisées — objectif > 90 % sur un jeu de test de 500 paires article-référence.
• Taux d'accord inter-annotateurs (kappa de Cohen) sur le corpus — objectif > 0.85.

Budget

500 $ en crédits de calcul pour le fine-tuning des modèles de langue, 400 $ pour l'annotation du corpus (étudiants en droit de l'université d'Oran).

Livrables attendus

• Corpus annoté JORADP-NER publié sous licence ouverte.
• API REST de vérification de conformité déployable en auto-hébergé.
• Article publié dans le Journal of Artificial Intelligence Research (JAIR).