Downloads · 30 days
0
TinhinaneO/camembert-ner-medieval-french-2026
camembert-ner-medieval-french-2026 is a machine learning model from TinhinaneO. Use it for the machine learning task on the model card, and read the license before you ship it in a product. The card lists the license as mit.
Fine-tuning de almanach/camembert-base avec LoRA pour la reconnaissance d'entités nommées (NER) sur des manuscrits médiévaux en vieux et moyen français.
Downloads · 30 days
0
Access
Public
Updated Jul 4, 2026
Repo size
1.2 MB
Likes
0
Public
Click a slice to open those files.
.safetensors1.2 MB · 100%
From the Hugging Face model README
Fine-tuning de almanach/camembert-base avec LoRA pour la reconnaissance
d'entités nommées (NER) sur des manuscrits médiévaux en vieux et moyen français.
Projet HETIC Master Data/IA — Module NLP 2026.
Dépôt GitHub : https://github.com/ourariTinhinane/htr-medieval-manuscripts-2026
Pipeline HTR associé : https://huggingface.co/TinhinaneO/trocr-medieval-french-2026
| Entité | Description | Exemple |
|---|---|---|
| B-PER / I-PER | Personne | mabile, tiece, fouchier |
| B-TITLE / I-TITLE | Titre nobiliaire | dame, sire |
| B-LOC / I-LOC | Lieu | (absent de ce corpus narratif) |
| B-DATE / I-DATE | Date | (absent de ce corpus narratif) |
| B-ORG / I-ORG | Organisation | (absent de ce corpus narratif) |
| O | Hors entité | tous les autres tokens |
from transformers import AutoTokenizer, AutoModelForTokenClassification
from transformers import pipeline
tokenizer = AutoTokenizer.from_pretrained(
"TinhinaneO/camembert-ner-medieval-french-2026"
)
model = AutoModelForTokenClassification.from_pretrained(
"TinhinaneO/camembert-ner-medieval-french-2026"
)
ner_pipeline = pipeline("ner", model=model, tokenizer=tokenizer)
texte = "que dame mabile dist que tiece sire vient a moi"
entites = ner_pipeline(texte)
for e in entites:
print(f"{e['word']:15s} → {e['entity']:10s} (conf={e['score']:.2f})")
Ce modèle est le volet NLP d'un pipeline HTR + NLP complet :
Image manuscrit BnF (Gallica)
↓
TrOCR fine-tuné (CER 5.62%)
↓
Normalisation abréviations (q̃→que, ꝯ→com...)
↓
CamemBERT NER (ce modèle)
↓
Graphe de connaissances + TEI-XML