---
language: fr
license: mit
tags:
- text-classification
- ai-detection
- political-science
- french
- stylometry
- camembert
- xgboost
metrics:
- accuracy
- f1
- precision
- recall
- roc_auc
---

# Détecteur de Textes Parlementaires Générés par IA (Ensemble SOTA)

Ce dépôt contient le modèle **State-of-the-Art (SOTA)** développé pour détecter si un discours politique ou une intervention parlementaire en français a été rédigé avec l'assistance d'une IA générative (ChatGPT, Claude, Qwen, Gemma, etc.).


## Modèle Actuel : Hybride v2 (Stylométrie + CamemBERT + XGBoost)

L'architecture **v2** combine :
1. **Module Stylométrique** : 30 caractéristiques linguistiques structurelles et grammaticales invariantes (longueur des phrases, richesse lexicale, temps de verbes, etc.).
2. **Module Neural** : Représentation sémantique dense de 768 dimensions extraite du modèle `almanach/camembert-base` (gelé, aucun fine-tuning pour préserver la généralisation).
3. **Méta-Classifieur** : XGBoost entraîné sur le vecteur concaténé de 798 dimensions.

### Performances v2 (Validation Croisée 5-Fold OOF)
- **Accuracy** : 1.0000
- **Precision** : 1.0000
- **Recall** : 1.0000
- **F1-Score** : 1.0000
- **ROC-AUC** : 1.0000


## 🚀 Comment charger et utiliser le modèle en Python

Le modèle est sauvegardé au format binaire compressé avec `joblib`. Étant donné que le chargement du fichier pickle dépend de la classe personnalisée du détecteur, **le script `models_v2.py` (ou `models.py`) doit être présent dans le même dossier ou dans votre chemin d'importation**.

### Installation des Dépendances
```bash
pip install pandas numpy scikit-learn xgboost joblib transformers torch
```

### Exemple de code pour le Modèle v2

Voici comment charger le modèle v2, extraire les caractéristiques d'un texte et effectuer une prédiction :

```python
import os
import joblib
import numpy as np

# Assurez-vous d'avoir téléchargé 'best_detector_v2.pkl' et 'models_v2.py' dans votre dossier de travail.
from models_v2 import SOTAHybridDetector
from build_features_v2 import extract_sota_features
from camembert_encoder import CamemBERTEncoder

# 1. Charger le pack de détection
print("Chargement du modèle...")
package = joblib.load("best_detector_v2.pkl")
detector = package["model"]
stylometric_cols = package["stylometric_cols"]

# 2. Initialiser l'encodeur CamemBERT pour la partie neurale
encoder = CamemBERTEncoder(device="cpu") # ou "cuda" si disponible

# 3. Exemple de texte à analyser
texte = "Monsieur le Président, mes chers collègues, nous devons voter cette loi pour le bien de la nation."

# 4. Extraction des features stylométriques
# On extrait les 30 features stylométriques
features_dict = extract_sota_features(texte)
X_sty = np.array([[features_dict[col] for col in stylometric_cols]])

# 5. Extraction des embeddings CamemBERT
X_emb = np.array([encoder.encode_single(texte)])

# 6. Prédiction
prob_ia = detector.predict_proba(X_sty, X_emb)[0, 1]
prediction = detector.predict(X_sty, X_emb)[0]

print(f"Probabilité d'écriture par IA : {prob_ia:.2%}")
print(f"Verdict : {'IA' if prediction == 1 else 'Humain'}")
```

## 📝 Licence
Ce projet est mis à disposition sous licence MIT.