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 79518000 of 10368 papers

TitleStatusHype
Attention Is Not All You Need: The Importance of Feedforward Networks in Transformer Models0
Revisiting Word Embeddings in the LLM Era0
Graph Generation via Scattering0
Revolutionizing Biomarker Discovery: Leveraging Generative AI for Bio-Knowledge-Embedded Continuous Space Exploration0
Grapheme-to-Phoneme Conversion for Thai using Neural Regression Models0
Rewriter-Evaluator Architecture for Neural Machine Translation0
Align and Copy: UZH at SIGMORPHON 2017 Shared Task for Morphological Reinflection0
Graph Deconvolutional Generation0
CurvGAD: Leveraging Curvature for Enhanced Graph Anomaly Detection0
Graph Convolutional Networks in Feature Space for Image Deblurring and Super-resolution0
Graph Convolutional Encoders for Syntax-aware Neural Machine Translation0
CurveFormer++: 3D Lane Detection by Curve Propagation with Temporal Curve Queries and Attention0
RGB Video Based Tennis Action Recognition Using a Deep Historical Long Short-Term Memory0
RGPNet: A Real-Time General Purpose Semantic Segmentation0
RGTI:Response generation via templates integration for End to End dialog0
RHA-Net: An Encoder-Decoder Network with Residual Blocks and Hybrid Attention Mechanisms for Pavement Crack Segmentation0
AligNART: Non-autoregressive Neural Machine Translation by Jointly Learning to Estimate Alignment and Translate0
Run-and-back stitch search: novel block synchronous decoding for streaming encoder-decoder ASR0
Gated Fusion Network for SAO Filter and Inter Frame Prediction in Versatile Video Coding0
Graph-based Untrained Neural Network Detector for OTFS Systems0
Graph-based Neural Modules to Inspect Attention-based Architectures: A Position Paper0
CurveFormer: 3D Lane Detection by Curve Propagation with Curve Queries and Attention0
RIMformer: An End-to-End Transformer for FMCW Radar Interference Mitigation0
Curriculum Learning in Deep Neural Networks for Financial Forecasting0
Graph-Aware Transformer: Is Attention All Graphs Need?0
Attention is a smoothed cubic spline0
Real-time Monocular Depth Estimation on Embedded Systems0
ReGAE: Graph autoencoder based on recursive neural networks0
Curriculum Learning for Small Code Language Models0
Graph Attention Multi-Agent Fleet Autonomy for Advanced Air Mobility0
Curriculum-Guided Abstractive Summarization0
Attention is All You Need? Good Embeddings with Statistics are enough:Large Scale Audio Understanding without Transformers/ Convolutions/ BERTs/ Mixers/ Attention/ RNNs or ....0
RNN Decoding of Linear Block Codes0
RUPNet: Residual upsampling network for real-time polyp segmentation0
4D Deep Learning for Multiple Sclerosis Lesion Activity Segmentation0
RoadFormer: Duplex Transformer for RGB-Normal Semantic Road Scene Parsing0
ROAD: Learning an Implicit Recursive Octree Auto-Decoder to Efficiently Encode 3D Shapes0
RoadPainter: Points Are Ideal Navigators for Topology transformER0
Road Segmentation Using CNN with GRU0
Gaussian Splatting Decoder for 3D-aware Generative Adversarial Networks0
CUP: Curriculum Learning based Prompt Tuning for Implicit Event Argument Extraction0
Robot Person Following in Uniform Crowd Environment0
Grammatical Error Correction with Neural Reinforcement Learning0
Robust alignment of cross-session recordings of neural population activity by behaviour via unsupervised domain adaptation0
Grafting Pre-trained Models for Multimodal Headline Generation0
Cuff-less Arterial Blood Pressure Waveform Synthesis from Single-site PPG using Transformer & Frequency-domain Learning0
Gradient-free Decoder Inversion in Latent Diffusion Models0
CUE Vectors: Modular Training of Language Models Conditioned on Diverse Contextual Signals0
Gradient flow encoding with distance optimization adaptive step size0
CTrGAN: Cycle Transformers GAN for Gait Transfer0
Show:102550
← PrevPage 160 of 208Next →

No leaderboard results yet.