Corpus collecté sur le terrain par une communauté de linguistes et d'annotateurs natifs, pensé pour couvrir des domaines réels : santé, administration, conversation quotidienne.
Un corpus construit par la communauté
Eyaa-Tom « les mots du peuple » est né d'un principe : une langue ne se numérise pas depuis un bureau, mais avec celles et ceux qui la parlent. Linguistes, chercheurs et annotateurs natifs ont collecté les textes sur le terrain, dans les marchés, les dispensaires et les administrations.
Des domaines qui comptent vraiment
- Santé : symptômes, conseils, échanges avec le personnel soignant
- Administration : démarches, formulaires, documents officiels
- Conversation quotidienne : vie courante et sujets de la communauté
Qualité et vérification
Chaque phrase est relue par un second locuteur avant intégration, et les désaccords entre annotateurs sont tranchés collectivement. Cette double validation garantit des données exploitables pour l'entraînement et l'évaluation de modèles.
Diffusion ouverte
Le corpus est publié sur Hugging Face et peut être réutilisé par la communauté scientifique et les développeurs. Il sert à la fois à l'entraînement des modèles Yodi et à des bancs d'essai indépendants sur les langues togolaises.