Sobr.ia pour Chercheur·se / Journaliste

Sobr.ia pour Chercheur·se / Journaliste

Reproductibilité, comparaisons inter-modèles, datasets publiables, Datasheet Gebru, multi-méthodologie, DOI citable.

Qui c’est ?

Vous êtes chercheur·se (LIG, LIP6, Inria, ADEME, Carbone 4…), data-journaliste, ou expert·e indépendant·e travaillant sur l’empreinte environnementale de l’IA. Vous publiez des papiers, des enquêtes, ou des rapports qui doivent être reproductibles, sourcés, comparables entre modèles et entre méthodologies.

Sobr.ia est conçu pour vous : c’est probablement votre persona le mieux servi du produit, et c’est volontaire (le pitch data.gouv.fr l’exige).

Ce que Sobr.ia résout pour vous

QuestionRéponse Sobr.ia
« Comment reproduire les chiffres Sobr.ia pour mon papier ? »Notebook Quarto (notebook/validation.qmd) + seed déterministe SOBRIA_SEED=42
« Comment comparer N modèles selon 2 méthodologies ? »Comparer modèles + catalogue multi-méthodos (AFNOR + EcoLogits, plus à venir)
« Comment citer Sobr.ia avec un DOI ? »DOI Zenodo publié avec v0.8.0 — voir section Citation du README
« Comment exporter mon dataset d’estimations pour analyse externe ? »Rapport réglementaire + JSON-LD PROV-O

Top 3 use cases

  1. Reproduire un chiffre publié — relancer le notebook Quarto notebook/validation.qmd avec le seed 42, vérifier l’écart ≤ 1 % vs port Rust.
  2. Comparer 5 modèles selon 2 méthodologies — Comparer modèles
    • activer EcoLogits en méthode “Voir aussi” → 2 colonnes par modèle, écart visible.
  3. Publier un dataset d’estimations — Datasheet scientifique (Gebru 2018) auto-générée + JSON-LD PROV-O + ledger SHA-256 → datasheet conforme NeurIPS, ICML, FAccT.

Modules pertinents

  • Estimer un prompt — atelier reproductible avec seed
  • Comparer modèles — benchmark multi-méthodo
  • Journal d’audit — ledger chaîné SHA-256 (preuve de non-altération pour reviewers)
  • Comment ça marche — méthodologie expliquée + sources DOI
  • Bibliothèque de modèles — catalogue P5/P50/P95 + sources vendor (Mistral × ADEME, Google, Meta)
  • Datasheet scientifique — format Gebru 2018 auto-généré

Quickstart 5 minutes

# 1. Cloner le repo (la reproductibilité scientifique exige le code)
git clone https://github.com/BkOff-fr/defis-lia-generatif.git
cd defis-lia-generatif

# 2. Lancer la validation croisée (port Rust vs Python EcoLogits)
cargo test -p sobria-estimator validation
quarto render notebook/validation.qmd

# 3. Lancer l'app pour explorer la Bibliothèque
cargo tauri dev
# → choisir persona "Chercheur·se / Journaliste"

# 4. Pour citer dans un papier — DOI Zenodo dans README §Citation

Seed déterministe : toutes les estimations Monte-Carlo sont reproductibles à la nanoseconde via la variable d’environnement SOBRIA_SEED (défaut 42).

Pour aller plus loin