Modèles ouverts

Modèle BERT ré-entraîné sur du texte financier pour classifier le sentiment (positif/négatif/neutre) de rapports et d'actualités.

Usage

Chargement direct via la librairie transformers (pipeline('sentiment-analysis', model='ProsusAI/finbert')), inférence CPU possible sur de petits volumes.

Limites

Entraîné majoritairement sur de l'anglais et des textes de marché US/UK ; performance dégradée sur du français ou des documents réglementaires européens.

Variante de FinBERT spécialisée sur le ton des communications financières (earnings calls, rapports annuels).

Usage

Compatible pipeline transformers standard ; nécessite le tokenizer bert-base-uncased associé.

Limites

Corpus d'entraînement anglophone et orienté marché US ; peu adapté sans réentraînement au contexte réglementaire européen (Solvabilité II, DORA...).

Version allégée (DistilRoBERTa) pour la classification de sentiment sur des actualités financières, plus rapide à faire tourner que FinBERT.

Usage

Pipeline transformers standard ; adapté à de l'inférence CPU en production à faible volume.

Limites

Précision légèrement inférieure à FinBERT sur les cas ambigus ; maintenu par un contributeur individuel, pas une organisation.

Framework open-source pour fine-tuner des LLM légers (LoRA) sur des tâches financières : sentiment, résumé de rapports, prévision.

Usage

Nécessite de fine-tuner soi-même un modèle de base avec les scripts fournis ; ce n'est pas un modèle pré-entraîné prêt à l'emploi.

Limites

Demande des ressources GPU pour le fine-tuning ; projet communautaire avec une documentation parfois incomplète.