Systèmes de preuves / Infrastructure de recherche / 2026

Laboratoire de systèmes de preuves : pipelines de données sensibles aux sources et examen assisté par l'IA

Thèse

Les interfaces de recherche complexes nécessitent une acquisition, une normalisation, un tri des sources, une discipline de révision et une publication reproductible.

Exemple tiré du travail

Le site relie le génocide, le patrimoine, les conflits, les déplacements, les risques de catastrophe, le COVID, l’optimisation des itinéraires, la complexité et les matériaux linéaires A en instruments visibles.

Méthode

Ingestion de données publiques, examen des coordonnées, typage des couches, vérifications des anomalies, classement des sources et prise en charge de l'extraction assistée par l'IA.

Sortir

Une pile de preuves opérationnelles reliant des ensembles de données, des cartes, des systèmes d'examen et des enregistrements de publication.

Reconstruction de source visible

Que peut-on montrer précisément à partir du matériel public

Fichiers de projet locaux, ensembles de données d'atlas, scripts de mise à jour, ressources JSON générées et pages d'interface publique.

Acquisition

Téléchargez, analysez et normalisez des ensembles de données publiques en actifs locaux stables

Vérification

Séparez les enregistrements confirmés, les documents contextuels, l'examen coordonné et les références à la source uniquement

Rôle de l'IA

Utiliser l’IA comme support d’extraction et d’examen des anomalies, et non comme substitut aux preuves

Traitement des chantiers

Affiché sous forme de salle de systèmes de recherche : sources, couches, revue et interfaces

Coordonnées

sourcescouchesrevoirinterfaces
401 929 lignes de conflit
152,7 millions contexte de déplacement
2 689 signaux de catastrophe
mise à jour:données commande de reconstruction

Source

Reconstruction du site

Ouvrir la source