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 24012425 of 10368 papers

TitleStatusHype
Deep Low-Rank Subspace ClusteringCode1
Espresso: A Fast End-to-end Neural Speech Recognition ToolkitCode1
Attention based Multi-Modal New Product Sales Time-series ForecastingCode1
Perceptual-Neural-Physical Sound MatchingCode1
Deep Shutter Unrolling NetworkCode1
Permute-and-Flip: An optimally stable and watermarkable decoder for LLMsCode1
AdaSpeech 2: Adaptive Text to Speech with Untranscribed DataCode1
ESTextSpotter: Towards Better Scene Text Spotting with Explicit Synergy in TransformerCode1
PHTrans: Parallelly Aggregating Global and Local Representations for Medical Image SegmentationCode1
ESVAE: An Efficient Spiking Variational Autoencoder with Reparameterizable Poisson Spiking SamplingCode1
DeepSleep 2.0: Automated Sleep Arousal Segmentation via Deep LearningCode1
MatFormer: Nested Transformer for Elastic InferenceCode1
Evaluation of deep learning models for multi-step ahead time series predictionCode1
MASTER: Multi-Aspect Non-local Network for Scene Text RecognitionCode1
MatchFormer: Interleaving Attention in Transformers for Feature MatchingCode1
Every Shot Counts: Using Exemplars for Repetition Counting in VideosCode1
Cross-Lingual Abstractive Summarization with Limited Parallel ResourcesCode1
Deep Spatio-Temporal Wind Power ForecastingCode1
Evidence fusion with contextual discounting for multi-modality medical image segmentationCode1
Evidential fully convolutional network for semantic segmentationCode1
Deep Neural Networks for Relation ExtractionCode1
EVP: Enhanced Visual Perception using Inverse Multi-Attentive Feature Refinement and Regularized Image-Text AlignmentCode1
Explainable Deep Learning for Tumor Dynamic Modeling and Overall Survival Prediction using Neural-ODECode1
Exchanging Dual Encoder-Decoder: A New Strategy for Change Detection with Semantic Guidance and Spatial LocalizationCode1
Matching Is Not Enough: A Two-Stage Framework for Category-Agnostic Pose EstimationCode1
Show:102550
← PrevPage 97 of 415Next →

No leaderboard results yet.