alianassmaaa/ameli-assurance-maladie-qa

{
  "question": "Quel article du code de la Sécurité sociale fonde la COG ?",
  "golden_response": "La COG est fondée sur l'article L227-1 du code de la Sécurité sociale.",
  "expected_sources": [
    {
      "rank": 1,
      "content": "En application de l'article L227-1 du code de la Sécurité sociale, l'État conclut avec la Cnam une convention d'objectifs et de gestion (COG)...",
      "doc_name": "COG_2023-2027_Cnam.pdf",
      "relevance_score": 1.0,
      "retriever_type": "gold"
    },
    {
      "rank": 2,
      "content": "Début 2018, l'État et la Cnam ont signé une nouvelle convention d'objectifs et de gestion (COG) pour la période 2018-2022...",
      "doc_name": "web_convention-objectifs-gestion.txt",
      "relevance_score": 0.75,
      "retriever_type": "gold"
    }
  ],
  "metadata": {
    "question_type": "simple",
    "difficulty": "easy",
    "topic": "gouvernance"
  }
}

from datasets import load_dataset

dataset = load_dataset("alianassmaaa/ameli-assurance-maladie-qa")

# Filtrer par type
hallucination_tests = [s for s in dataset["train"] if s["metadata"]["question_type"] == "test_hallucination"]
hard_questions = [s for s in dataset["train"] if s["metadata"]["difficulty"] == "hard"]
multi_source = [s for s in dataset["train"] if len(s["expected_sources"]) >= 2]

# Exemple
sample = dataset["train"][0]
print(f"Type: {sample['metadata']['question_type']}")
print(f"Question: {sample['question']}")
print(f"Réponse: {sample['golden_response']}")
for src in sample['expected_sources']:
    print(f"  [{src['rank']}] {src['doc_name']} (score={src['relevance_score']})")
    print(f"      {src['content'][:100]}...")

├── data/train.jsonl           # JSONL (compatible HF datasets)
├── ameli_qa_dataset.json      # JSON complet
└── documents/                 # Tous les documents sources (PDF + TXT)