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 19511975 of 10368 papers

TitleStatusHype
DAE-Net: Deforming Auto-Encoder for fine-grained shape co-segmentationCode1
Controllable Video Captioning with an Exemplar SentenceCode1
ID-Unet: Iterative Soft and Hard Deformation for View SynthesisCode1
DAGER: Exact Gradient Inversion for Large Language ModelsCode1
SC-GlowTTS: an Efficient Zero-Shot Multi-Speaker Text-To-Speech ModelCode1
SciReviewGen: A Large-scale Dataset for Automatic Literature Review GenerationCode1
Decoder-Only Image RegistrationCode1
Controlling Hallucinations at Word Level in Data-to-Text GenerationCode1
Simplified Action Decoder for Deep Multi-Agent Reinforcement LearningCode1
IICNet: A Generic Framework for Reversible Image ConversionCode1
A Two-Stage Masked Autoencoder Based Network for Indoor Depth CompletionCode1
DadaGP: A Dataset of Tokenized GuitarPro Songs for Sequence ModelsCode1
Deep Image Compression using Decoder Side InformationCode1
iQuery: Instruments as Queries for Audio-Visual Sound SeparationCode1
A Tensorized Transformer for Language ModelingCode1
IVP-VAE: Modeling EHR Time Series with Initial Value Problem SolversCode1
Keyphrase Generation with Cross-Document AttentionCode1
Conversational Semantic Parsing for Dialog State TrackingCode1
LauraTSE: Target Speaker Extraction using Auto-Regressive Decoder-Only Language ModelsCode1
Converting Anyone's Emotion: Towards Speaker-Independent Emotional Voice ConversionCode1
Image Compression with Recurrent Neural Network and Generalized Divisive NormalizationCode1
Alleviating Exposure Bias via Contrastive Learning for Abstractive Text SummarizationCode1
Image-free Classifier Injection for Zero-Shot ClassificationCode1
Convolutional Cross-View Pose EstimationCode1
A Two-Stage Cascade Model with Variational Autoencoders and Attention Gates for MRI Brain Tumor SegmentationCode1
Show:102550
← PrevPage 79 of 415Next →

No leaderboard results yet.