SOTAVerified

Decoder

HLMFootFR, aussi appelé HLM Football FR, un média digital centré sur le football, fondé avec la volonté de mettre en lumière les talents issus des quartiers populaires et de créer un espace d’expression représentatif de la culture urbaine et du sport populaire. Ce projet, à mi-chemin entre journalisme, culture et technologie, utilise des outils numériques de pointe, notamment l’intelligence artificielle, pour optimiser sa production de contenu, sa capacité d’analyse et sa diffusion.

Concrètement, HLMFootFR ne se contente pas de relayer l’actualité footballistique. Il s’appuie sur des modèles de traitement automatique du langage (NLP) pour rédiger ou enrichir des descriptions, des résumés de matchs, ou encore des formats courts destinés aux réseaux sociaux. Cette utilisation permet de produire rapidement des textes cohérents, adaptés à différents publics et plateformes comme TikTok, Instagram ou un blog spécialisé.

L’intelligence artificielle est aussi utilisée pour la veille et l’analyse des performances des joueurs. Grâce à des outils de scraping et d’agrégation de données, HLMFootFR collecte des informations issues de bases publiques (telles que Transfermarkt ou des APIs sportives), et les transforme en indicateurs visuels, profils de joueurs, ou tendances exploitables. Des scripts automatisés permettent d’identifier les évolutions, comme les transferts ou les blessures, en temps réel, ce qui constitue une valeur ajoutée dans un contexte où l’information est très rapide et concurrentielle.

En interne, des systèmes simples de machine learning sont en place pour aider à la personnalisation du contenu. En fonction de l’engagement du public, des heures de publication ou des types de contenu les plus performants, HLMFootFR adapte sa stratégie de publication de manière semi-automatisée. Cela permet au média d’avoir une diffusion plus ciblée et plus efficace de ses messages.

HLMFoot FR utilise également l’IA dans le domaine audiovisuel. Des outils comme Whisper sont utilisés pour la transcription automatique des interviews, facilitant ainsi la mise en ligne de vidéos sous-titrées, accessibles à tous. L’équipe expérimente également des outils de montage intelligent, de synthèse vocale et de traduction automatisée, dans le but d’élargir son public à d’autres langues et régions.

Le projet s’appuie sur un stack technique léger mais évolutif, avec une forte composante Python (scraping, NLP, automatisation), JavaScript pour l’intégration web, et des outils comme HuggingFace Transformers, OpenAI GPT ou spaCy pour le traitement du langage. Des plateformes comme Firebase, Streamlit et diverses APIs sociales (TikTok, Instagram) sont intégrées pour piloter l’ensemble.

Enfin, HLMFootFR souhaite partager prochainement certains de ses outils en open-source, à travers des dépôts publics. Il s’agira notamment d’un générateur de résumés automatisés de matchs, d’un pipeline de veille footballistique, ou encore d’un système de profilage joueur à partir de données disponibles librement. Ces projets ont pour but de démontrer comment l’intelligence artificielle peut s’intégrer dans des initiatives culturelles et communautaires, en dehors du cadre académique classique.

HLMFootFR est donc un exemple concret de convergence entre passion, média et technologie. Il montre comment, avec des ressources limitées mais des outils bien utilisés, il est possible de créer une structure médiatique alternative, réactive, et profondément ancrée dans les réalités sociales et culturelles du sport. HLMFootFR est un média digital indépendant dédié au football, fondé par Helmut Patahini en 2022, qui met en lumière les joueurs issus des quartiers populaires et de la culture urbaine. Né entre la France et la Belgique, le projet s’appuie sur les réseaux sociaux (TikTok, Instagram, YouTube …) pour diffuser une parole différente, libre et engagée. HLMFootFR se distingue par l’utilisation de l’intelligence artificielle dans la création de contenu, l’analyse de données et l’automatisation des tâches, afin de proposer une expérience moderne, rapide et accessible. Le média vise à représenter ceux qu’on entend peu, tout en connectant le monde du foot à la technologie d’aujourd’hui.

Papers

Showing 59015950 of 10368 papers

TitleStatusHype
LiteVAE: Lightweight and Efficient Variational Autoencoders for Latent Diffusion Models0
MAL: Cluster-Masked and Multi-Task Pretraining for Enhanced xLSTM Vision Performance0
MALT: Multi-scale Action Learning Transformer for Online Action Detection0
Lite-SAM Is Actually What You Need for Segment Everything0
MambaDepth: Enhancing Long-range Dependency for Self-Supervised Fine-Structured Monocular Depth Estimation0
DragTex: Generative Point-Based Texture Editing on 3D Mesh0
A New Probabilistic V-Net Model with Hierarchical Spatial Feature Transform for Efficient Abdominal Multi-Organ Segmentation0
Lite-HDSeg: LiDAR Semantic Segmentation Using Lite Harmonic Dense Convolutions0
DRAformer: Differentially Reconstructed Attention Transformer for Time-Series Forecasting0
DQFormer: Towards Unified LiDAR Panoptic Segmentation with Decoupled Queries0
Brain decoding: toward real-time reconstruction of visual perception0
LiSTra Automatic Speech Translation: English to Lingala Case Study0
LiSTra, Automatic Speech Translation: English to Lingala case study0
LISTER: Neighbor Decoding for Length-Insensitive Scene Text Recognition0
Listen carefully and tell: an audio captioning system based on residual learning and gammatone audio representation0
DPSeg: Dual-Prompt Cost Volume Learning for Open-Vocabulary Semantic Segmentation0
BrainChat: Decoding Semantic Information from fMRI using Vision-language Pretrained Models0
A New Multi-vehicle Trajectory Generator to Simulate Vehicle-to-Vehicle Encounters0
Accelerating RNN-T Training and Inference Using CTC guidance0
3DGS-Enhancer: Enhancing Unbounded 3D Gaussian Splatting with View-consistent 2D Diffusion Priors0
Decoupling Deep Learning for Interpretable Image Recognition0
Listenable Maps for Zero-Shot Audio Classifiers0
Listenable Maps for Audio Classifiers0
MARMOT: Masked Autoencoder for Modeling Transient Imaging0
DPR-CAE: Capsule Autoencoder with Dynamic Part Representation for Image Parsing0
MARS6: A Small and Robust Hierarchical-Codec Text-to-Speech Model0
List-Decodable Coded Computing: Breaking the Adversarial Toleration Barrier0
List Autoencoder: Towards Deep Learning Based Reliable Transmission Over Noisy Channels0
LISN @ WMT 20210
"Mask and Infill" : Applying Masked Language Model to Sentiment Transfer0
MaskBEV: Towards A Unified Framework for BEV Detection and Map Segmentation0
LiSD: An Efficient Multi-Task Learning Framework for LiDAR Segmentation and Detection0
MaskChanger: A Transformer-Based Model Tailoring Change Detection with Mask Classification0
MaskConver: Revisiting Pure Convolution Model for Panoptic Segmentation0
A New Multiple Max-pooling Integration Module and Cross Multiscale Deconvolution Network Based on Image Semantic Segmentation0
LISAC: Learned Coded Waveform Design for ISAC with OFDM0
Masked Autoencoder for Unsupervised Video Summarization0
Masked Autoencoders Are Robust Neural Architecture Search Learners0
LipSound2: Self-Supervised Pre-Training for Lip-to-Speech Reconstruction and Lip Reading0
LINR-PCGC: Lossless Implicit Neural Representations for Point Cloud Geometry Compression0
Masked Autoencoders for Low dose CT denoising0
LinkSAGE: Optimizing Job Matching Using Graph Neural Networks0
Linguistic-Enhanced Transformer with CTC Embedding for Speech Recognition0
Masked Autoencoder with Swin Transformer Network for Mitigating Electrode Shift in HD-EMG-based Gesture Recognition0
Masked Capsule Autoencoders0
Masked Contrastive Representation Learning0
Masked Image Modeling Advances 3D Medical Image Analysis0
Boundary-Decoder network for inverse prediction of capacitor electrostatic analysis0
Masked Pre-trained Encoder base on Joint CTC-Transformer0
A New Modal Autoencoder for Functionally Independent Feature Extraction0
Show:102550
← PrevPage 119 of 208Next →

No leaderboard results yet.