Create README.md

README.md

@@ -0,0 +1,145 @@
+---
+license: mit
+task_categories:
+- question-answering
+language:
+- fr
+---
+
+# Tribunal Administratif - Full Documents
+
+## Description
+
+Ce dataset contient un corpus de décisions issues des Tribunaux Administratifs français, converties en documents textuels exploitables pour les applications d'intelligence artificielle.
+
+L'objectif est de fournir un corpus prêt à l'emploi pour :
+
+* le Retrieval-Augmented Generation (RAG) ;
+* la recherche juridique ;
+* la question-réponse ;
+* la classification documentaire ;
+* le fine-tuning de modèles de langage spécialisés en droit français.
+
+Les documents ont été extraits, normalisés et regroupés dans un format tabulaire compatible avec l'écosystème Hugging Face.
+
+## Source des données
+
+Les données originales proviennent de l'Open Data de la Justice Administrative française.
+
+Source officielle :
+
+https://opendata.justice-administrative.fr/
+
+Les décisions sont publiées dans le cadre de la politique française d'ouverture des données publiques de justice et sont anonymisées conformément à la réglementation en vigueur.
+
+## Contenu du dataset
+
+Chaque ligne correspond à une décision administrative complète.
+
+### Champs principaux
+
+| Champ                 | Description                          |
+| --------------------- | ------------------------------------ |
+| `Num_de_la_decision`  | Identifiant de la décision           |
+| `Date_de_lecture`     | Date de lecture ou de rendu          |
+| `Date_de_reversement` | Date de publication dans l'Open Data |
+| `content`             | Texte intégral de la décision        |
+| `content_hash`        | Empreinte unique du contenu          |
+| `path_xml`            | Référence du document XML d'origine  |
+| `Nom_du_fichier__xml` | Fichier XML source                   |
+| `Nom_du_fichier__zip` | Archive source                       |
+
+## Exemple
+
+```python
+{
+    "Num_de_la_decision": "2301547",
+    "Date_de_lecture": "2024-06-12",
+    "content": "Vu la procédure suivante ...",
+    "content_hash": "3f6b0e..."
+}
+```
+
+## Utilisation
+
+### Chargement avec 🤗 Datasets
+
+```python
+from datasets import load_dataset
+
+dataset = load_dataset(
+    "hulk10/tribunal-administratif-full-documents"
+)
+
+print(dataset["train"][0]["content"])
+```
+
+### Cas d'usage RAG
+
+```python
+documents = dataset["train"]["content"]
+```
+
+Les textes peuvent être directement chunkés puis vectorisés pour alimenter :
+
+* un moteur de recherche sémantique ;
+* un assistant juridique ;
+* un système de question-réponse documentaire ;
+* une base de connaissances spécialisée en droit administratif.
+
+## Cas d'usage
+
+### Recherche juridique
+
+Recherche sémantique dans la jurisprudence administrative française.
+
+### Question-réponse
+
+Construction de systèmes capables de répondre à des questions fondées sur les décisions administratives.
+
+### Classification
+
+Classification automatique des contentieux administratifs.
+
+### Résumé
+
+Génération de résumés de décisions.
+
+### Fine-tuning
+
+Adaptation de modèles de langage aux textes juridiques français.
+
+## Prétraitement
+
+Les données ont été :
+
+1. téléchargées depuis les sources publiques officielles ;
+2. extraites depuis les fichiers XML ;
+3. converties en texte exploitable ;
+4. enrichies avec des métadonnées ;
+5. dédupliquées à l'aide de hachages de contenu.
+
+## Limitations
+
+* Les décisions sont anonymisées.
+* Certaines métadonnées XML d'origine peuvent ne pas être conservées.
+* Le corpus reflète uniquement les décisions publiées dans l'Open Data.
+* Les textes peuvent contenir des artefacts hérités du format source.
+
+## Licence
+
+Le présent dataset est distribué sous licence MIT.
+
+Les données originales restent soumises aux conditions de réutilisation définies par leurs producteurs respectifs. Les utilisateurs sont responsables de vérifier la compatibilité de leur usage avec les conditions applicables aux données sources.
+
+## Citation
+
+```bibtex
+@dataset{tribunal_administratif_full_documents,
+  title={Tribunal Administratif - Full Documents},
+  author={Hulk10},
+  year={2026},
+  publisher={Hugging Face},
+  url={https://huggingface.co/datasets/hulk10/tribunal-administratif-full-documents}
+}
+```