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 13011325 of 10368 papers

TitleStatusHype
Encoder-Decoder Based Attractors for End-to-End Neural DiarizationCode1
Dense Gaussian Processes for Few-Shot SegmentationCode1
DeTiME: Diffusion-Enhanced Topic Modeling using Encoder-decoder based LLMCode1
Encoder-decoder with Multi-level Attention for 3D Human Shape and Pose EstimationCode1
Deep Video Matting via Spatio-Temporal Alignment and AggregationCode1
Beyond Decoder-only: Large Language Models Can be Good Encoders for Machine TranslationCode1
End-to-End 3D Dense Captioning with Vote2Cap-DETRCode1
End-to-End Fast Training of Communication Links Without a Channel Model via Online Meta-LearningCode1
Generative Recommender with End-to-End Learnable Item TokenizationCode1
End-to-End Learning of Neuromorphic Wireless Systems for Low-Power Edge Artificial IntelligenceCode1
An Empirical Evaluation of End-to-End Polyphonic Optical Music RecognitionCode1
Beyond One-to-One: Rethinking the Referring Image SegmentationCode1
End-to-End Speaker Diarization for an Unknown Number of Speakers with Encoder-Decoder Based AttractorsCode1
End-to-End Supermask Pruning: Learning to Prune Image Captioning ModelsCode1
Energy Discrepancies: A Score-Independent Loss for Energy-Based ModelsCode1
Automated segmentation of lesions and organs at risk on [68Ga]Ga-PSMA-11 PET/CT images using self-supervised learning with Swin UNETRCode1
Enhanced Seq2Seq Autoencoder via Contrastive Learning for Abstractive Text SummarizationCode1
Enhanced U-Net: A Feature Enhancement Network for Polyp SegmentationCode1
Beyond the Prototype: Divide-and-conquer Proxies for Few-shot SegmentationCode1
An Empirical Study of Catastrophic Forgetting in Large Language Models During Continual Fine-tuningCode1
An empirical study of Conv-TasNetCode1
Enhancing Multi-modal and Multi-hop Question Answering via Structured Knowledge and Unified Retrieval-GenerationCode1
DeepVideoMVS: Multi-View Stereo on Video with Recurrent Spatio-Temporal FusionCode1
EOV-Seg: Efficient Open-Vocabulary Panoptic SegmentationCode1
DeepSym: Deep Symbol Generation and Rule Learning from Unsupervised Continuous Robot Interaction for PlanningCode1
Show:102550
← PrevPage 53 of 415Next →

No leaderboard results yet.