Développement d’une API d’apprentissage et d’un chatbot juridique intelligent, intégrant des techniques avancées de traitement du langage naturel (NLP), de Machine Learning et de recherche vectorielle.
- Conception d'une API d’apprentissage pour l’indexation et la structuration de textes juridiques sous forme de vecteurs
- Développement de crawlers Python pour récupérer et traiter les documents depuis différentes sources (CSV, URL, ZIP)
- Prétraitement et transformation des données en matrices numériques pour une exploitation optimisée
- Stockage et indexation des documents dans une base de données vectorielle (Milvus, Pinecone)
- Automatisation des mises à jour des documents juridiques via des tâches CRON, garantissant une actualisation continue des données
- Mise en place de tests automatisés avec PyTest pour assurer la robustesse et la qualité des fonctionnalités
- Conception d'une API conversationnelle permettant des interactions avec les utilisateurs
- Transformation des requêtes en matrices vectorielles et comparaison avec les documents indexés pour extraire les informations les plus pertinentes
- Intégration d’un modèle IA permettant de générer des réponses enrichies, en s’appuyant sur les extraits de documents les plus proches du contexte de la requête
- Optimisation des performances pour garantir une gestion efficace d’un grand nombre de requêtes simultanées
- Mise en place de tests automatisés avec PyTest pour assurer la stabilité et la fiabilité du chatbot
- Intégration et améliorations sous Laravel
- Mise à jour et adaptation du Back-End Laravel pour intégrer la nouvelle API chatbot
- Optimisation et refonte de la base de données MySQL pour améliorer la gestion et le stockage des réponses générées
- Modification du traitement des réponses et ajout de nouvelles fonctionnalités pour une meilleure expérience utilisateur
Environnement : Python, Flask, Pinecone, Milvus, ChatGPT, Laravel, Livewire, HTML, CSS









