Ce mémoire de master s'appuie sur un corpus de commentaires publics collectés puis anonymisés. Trois annotateurs ont étiqueté environ 8 000 phrases, et nous avons mesuré leur accord pour écarter les cas ambigus. J'ai comparé une régression logistique sur n-grammes de caractères, un modèle multilingue généraliste et un modèle pré-entraîné sur des dialectes arabes. Le meilleur résultat vient du modèle dialectal affiné, mais la régression reste étonnamment compétitive. J'ai appris à quel point la qualité de l'annotation conditionne tout le reste.
Les outils d'analyse de sentiment disponibles fonctionnent mal sur la darija, surtout quand elle est écrite en caractères latins avec des chiffres. Les commentaires réels mélangent souvent plusieurs langues.
Le modèle affiné dépasse nettement une base de référence par mots-clés sur notre jeu de test. Le corpus annoté et le protocole sont documentés pour être réutilisés par d'autres étudiants.
Votre moteur de recherche comprend enfin le jargon de votre métier, en arabe comme en français.
Un travail exploratoire sur un modèle qui signale les radiographies thoraciques à revoir en priorité.
Une caméra, un éclairage maîtrisé et un modèle qui repère les produits non conformes à cadence réelle.
Quantification, export ONNX, TensorRT : le même modèle, plus léger et plus rapide sur votre matériel.
