Open Data · CC-BY-NC 4.0

Un corpus émotionnel
humain et éthique

Les récits partagés sur MWA (avec consentement explicite) forment un dataset unique — des textes annotés par leurs auteurs sur quatre dimensions émotionnelles, libres d'usage pour la recherche et les IA bienveillantes.

En savoir plus Rejoindre la liste d'attente
✓ Consentement explicite par récit
✓ Anonymisation PII avant livraison
✓ Droit de retrait permanent
✓ Licence CC-BY-NC 4.0
✗ Aucune ré-identification autorisée
✗ Aucun usage publicitaire ou de ciblage

Le dataset

Ce que vous obtenez

🌊

Récits authentiques

Textes longs (300–1000 mots en moyenne), écrits à la première personne, sur des thèmes de relation, de mémoire, de deuil, de transmission.

🧠

Annotation émotionnelle 4D

Chaque texte est auto-annoté par son auteur sur 4 dimensions : valence (−1→+1), arousal (0→1), agency (0→1), lien (0→1).

🔓

Format ouvert

Livré en JSONL structuré, compatible directement avec les pipelines HuggingFace, PyTorch, et la plupart des frameworks d'entraînement LLM.

🌍

Multilingue (à venir)

Actuellement en français (Phase 0). Anglais, allemand, espagnol, portugais prévus d'ici 12 mois. Corpus créole mauricien disponible dès la Phase 0.

📊

Métadonnées riches

Thème, langue, horodatage, émotion dominante, nuances — chaque entrée est contextualisée pour faciliter le fine-tuning ciblé.

⚖️

Traçabilité juridique

Chaque consentement est versionné (hash SHA-256 du texte exact accepté). L'audit de conformité est possible à tout moment.

Format du dataset

Structure d'une entrée JSONL

Chaque ligne du fichier représente un segment annoté. Les données personnelles sont masquées par [CONTACT MASQUÉ] avant livraison.

{ "id": "mwa-XXX-s01", "text": "Je t'écris cette lettre parce que j'ai besoin…", "theme": "ouverture-vulnerable", "lang": "fr", "emotions": { "valence": 0.62, "arousal": 0.55, "agency": 0.78, "lien": 0.88 }, "dominant": "besoin de connexion", "nuances": ["vulnérabilité choisie", "intimité"] }

Licence CC-BY-NC 4.0

Usages autorisés et interdits

Autorisé ✓

  • Recherche académique en NLP / affective computing
  • Entraînement de modèles IA à usage non-commercial
  • Applications thérapeutiques ou de bien-être
  • Publications scientifiques avec citation

Interdit ✗

  • Toute tentative de ré-identification des auteurs
  • Ciblage publicitaire ou comportemental
  • Scoring individuel ou profilage émotionnel
  • Usage commercial direct sans accord préalable

Liste d'attente

Accéder au dataset

Le corpus est en phase de construction. Inscrivez-vous pour être informé(e) de sa disponibilité et discuter d'un accès anticipé.

Réponse sous 5 jours ouvrés · Aucun engagement financier

🌊

Inscription enregistrée

Nous avons bien reçu votre demande. Nous vous contacterons à l'adresse indiquée dès que le dataset est disponible ou pour organiser un accès anticipé.

Retour à l'accueil