Exemples d'anonymisation de textes en français (RGPD) pour l'entraînement de modèles de langage

Jeu de 20 exemples rédigés à la main, en français, pour apprendre à un modèle de langage (LLM) à remplacer les données personnelles d'un texte par des balises numérotées ([NOM_1], [TELEPHONE_1], [IBAN_1]…) avant de l'envoyer à un service tiers. Des cas sans aucune donnée personnelle sont inclus, pour que le modèle apprenne à les laisser intacts.

Toutes les personnes, adresses, numéros de téléphone, e-mails et IBAN sont fictifs.

Format : JSONL au format conversationnel (messages system, user, assistant), prêt pour le fine-tuning supervisé (TRL, Axolotl, Unsloth).

Ce jeu fait partie d'une chaîne complète publiée sur ContexteTech (https://contextetech.com), hub open source de ressources pour LLM, hébergé en Europe : contexte d'anonymisation sans entraînement, évaluation, configuration LoRA pour Mistral 7B et agent de traitement de dossiers. Méthode complète : https://contextetech.com/cas-usage/anonymiser-tickets-support