CoolFace
Datasetpublic

SpadaLab/certifications-securite

Certifications Securite Export de la collection certifications_securite 479 chunks issus de 265 articles uniques — droit francais, prets pour ingestion RAG. Format data/chunks.parquet — format principal (Parquet/snappy) chunks.json — meme contenu en JSON datasheet.json — fiche descriptive complete (Datasheet for Datasets, Gebru et al.) metadata.json — statistiques + hash SHA-256 d'integrite Chaque chunk contient au minimum : article_id, titre_article… See the full description on the dataset page: https://huggingface.co/datasets/SpadaLab/certifications-securite.

sourceHugging Facecc-by-4.0updated 2mo agoView on Hugging Face
0likes33downloads
Dataset Card

Certifications Securite

Export de la collection certifications_securite

479 chunks issus de 265 articles uniques — droit francais, prets pour ingestion RAG.

Format

  • —data/chunks.parquet — format principal (Parquet/snappy)
  • —chunks.json — meme contenu en JSON
  • —datasheet.json — fiche descriptive complete (Datasheet for Datasets, Gebru et al.)
  • —metadata.json — statistiques + hash SHA-256 d'integrite

Chaque chunk contient au minimum : article_id, titre_article, code_source, text, hierarchie, context_prefix, nb_tokens_estime.

Methode d'extraction

Extraction automatisee depuis les API officielles (Legifrance PISTE, EUR-Lex) et telechargement de documents PDF publics (ANSSI, ENISA, CNIL).

Chunking

Decoupe intelligente par structure juridique native : alineas pour Legifrance, paragraphes numerotes pour EUR-Lex, sous-sections pour les PDFs. Taille max ~1500 tokens, min ~50 tokens.

Licences sources

  • —Licence Ouverte Etalab 2.0 (donnees Legifrance)
  • —EUR-Lex — reutilisation libre (Decision 2011/833/UE)
  • —Documents PDF publics — reproduction autorisee sauf mention contraire

Licence dataset

CC-BY-4.0 — reutilisation libre, y compris commerciale, avec attribution SpadaLab.

Charger le dataset

python
from datasets import load_dataset
ds = load_dataset("SpadaLab/certifications-securite", data_files="data/chunks.parquet")
print(ds["train"][0])

Sources principales

  • —Liste de vérification IA — RGPD (CNIL)
  • —NIS2 Technical Implementation Guidance v1.0 (ENISA)
  • —SecNumCloud v3.2 — Référentiel d'exigences (ANSSI)
  • —Cloud Security Guide for SMEs (ENISA)

Contact

  • —Site : https://spadalab.fr
  • —Email : contact@spadalab.fr
  • —Org HuggingFace : https://huggingface.co/SpadaLab