DECIDON — NER sur débats parlementaires

Statut: en cours

Dernière mise à jour: 27/06/2026

Avancement: Annotation et benchmark de modèles de NER.

Objectif

Stage de recherche (mai – décembre 2026) sur le projet ANR DECIDON (EPITA · ENC · EHESS). Le projet mène une étude computationnelle de la vie parlementaire (compte rendu in-extenso des débats parlementaires) sous la IIIe République (1870-1940) : circulation des problèmes publics entre presse et Parlement, et mécanismes de mise à l’agenda. Ma contribution porte sur la reconnaissance d’entités nommées (NER) (WP3) appliquée à des débats parlementaires numérisés et océrisés.

Entités annotées

Orateurs, fonctions, personnes mentionnées, titres de section, didascalies.

État actuel & Prochaines étapes

• Conception du guide et du schéma d’annotation, et coordination des annotations (Label Studio).
• Corpus de vérité terrain annoté ; plusieurs pipelines de NER comparées (regex, spaCy-CNN, BERTs, GLiNER2, GLiNER-bi-V2, LLM). Aucun choix définitif pour l’instant.
• Sources OCR : PERO OCR et un modèle de vision-langage (Chandra) en cours d’intégration.
• Suite : passage à l’échelle sur le corpus puis détection d’évènements / entités géographiques.

Ressources

• Dépôt initial public du projet : decidon-ner.

Journal de progression

• 05/2026 : début du stage ; conception du schéma d’annotation et reprise des annotations.
• 06/2026 : benchmark de plusieurs approches de NER (règles, spaCy, BERT, GLiNER, LLM).

Commentaires