Domaines ciblés
Taxonomie fixe utilisée pour guider l'extraction (NER + LLM) — aucune liste de formes/variantes :
la reconnaissance des orthographes correctes, fautes, argot ou Arabizi se fait dynamiquement à chaque requête.
| Tag | Domaine | Description | |
|---|---|---|---|
| NAT | geography_nationality |
Pays, nationalités (masculin/féminin, orthographe correcte ou fautive/argotique), villes, régions. | |
| ETH | ethnicity |
Groupes ethniques, raciaux ou culturels, peuples, communautés et origines (ex. 'arabe', 'noir', 'blanc', 'asiatique', 'maghrébin', 'gitan', 'juif', 'rebeu', 'beurette'), y compris leurs termes racistes ou péjoratifs et argotiques ('bougnoule', 'bougnoul', 'bicot', 'nègre', 'négro', 'bamboula', 'kahlouche', 'noich', 'boucaque', 'chinetoque', 'poundé', 'gwer'). Un terme raciste doit aussi être relevé ici, en plus d'être une insulte. | |
| REL | religion |
Religions, confessions, groupes ou mouvements religieux. | |
| ORG | organization |
Entreprises, institutions, partis politiques, ONG, organisations internationales. | |
| INSULT | insult |
Insultes ou termes offensants/dévalorisants visant une personne ou un groupe précis (ex. 'sale algérien', 'connard'), dans toutes les langues supportées, y compris l'argot et les orthographes déguisées. | |
| PROFANITY | profanity |
Langage grossier ou vulgaire utilisé comme exclamation ou intensificateur, NON dirigé vers une personne ou un groupe (ex. 'putain', 'merde', 'c'est de la merde', 'fuck this'), dans toutes les langues supportées, y compris l'argot et les orthographes déguisées. | |
| EMOTION | emotion |
Mots ou expressions explicites nommant ou décrivant un sentiment (colère, peur, tristesse, dégoût, joie, frustration, haine...), ex. 'je suis furieux', 'ça me fait peur', 'dégoûtant', 'i'm so frustrated', 'j'ai la haine'. | |
| GENDER | gender_orientation |
Mentions de l'identité de genre, en particulier lorsqu'elles sont utilisées de façon péjorative ou pour cibler quelqu'un (ex. 'trans', 'non-binaire', 'travelo' en tant qu'insulte), dans toutes les langues supportées, y compris l'argot et les orthographes déguisées. | |
| DISABILITY | disability_health |
Mentions d'un handicap ou d'un état de santé physique/mentale, en particulier lorsqu'elles servent de base à une insulte (ex. 'handicapé', 'attardé', 'taré', 'retard'), dans toutes les langues supportées, y compris l'argot et les orthographes déguisées. | |
| THREAT | threat |
Menaces de violence ou de préjudice visant une personne ou un groupe, explicites ou sous-entendues (ex. 'je vais te tuer', 'je vais te frapper', 'je vais te boxer', 'je vais te casser le bras', 'tu vas voir', 'tu vas souffrir', 'tu vas le regretter', 'je vais te faire payer', 'on va te retrouver', 'i'll kill you'), y compris en argot ou mal orthographiées ('jvais te', 'je v le tuer'). Signale une intention de nuire, distincte d'une simple insulte ; le mot ou la proposition qui porte la menace doit être repris (ex. 'te frapper', 'tu vas voir'). | |
| SELF_HARM | self_harm |
Mentions d'automutilation, d'idées suicidaires, ou d'intention de se faire du mal ou de disparaître (ex. 'je veux mourir', 'je vais mourir', 'je vais me suicider', 'je voudrais en finir', 'en finir avec la vie', 'disparaître', 'je veux disparaître', 'me tuer', 'me scarifier', 'I want to end it', 'I want to hurt myself'), y compris en argot ou mal orthographiées. Ne couvre pas une menace envers autrui ni l'expression courante 'je vais mourir de rire'. | |
| VIOLENCE | violence |
Violence physique ou actes de violence réels, subis, commis ou rapportés (ex. 'il m'a frappé', 'il l'a poignardé', 'il l'a mordu', 'ils vont se battre', 'bagarre', 'coups', 'tarte dans la tête', 'taper', 'tuer', 'cogner', 'agression physique'), y compris en argot ou mal orthographiés. Distinct d'une menace future (threat) : ici l'acte est décrit comme ayant lieu ou en cours. | |
| EXCLUSION | social_exclusion |
Exclusion sociale ou rejet d'une personne d'un groupe, d'une conversation ou d'une activité (ex. 'dégage', 'barre-toi', 'casse-toi', 'y a plus de place pour toi ici', 'out direct', 'je te ban', 'on te vire du groupe', 'supprime-moi du groupe', 'personne ne veut de toi', 'on ne t'a pas invité', 'quitter le groupe'), y compris en argot. | |
| VOYEUR | voyeurism |
Voyeurisme et observation ou captation indiscrète de personnes, en particulier dénudées ou dans l'intimité (ex. 'mater', 'spotter', 'zoom sur les gens en maillot', 'regarder sous la jupe', 'regarder sous les cabines', 'filmer en cachette', 'record quand il s'habille', 'prends un snap en scred', 'check les meufs qui se changent', 'vestiaires mixtes pour mater'), y compris en argot. | |
| DEFAME | defamation |
Rumeurs, accusations de mensonge ou de tromperie et propos diffamatoires visant une personne (ex. 'elle ment', 'menteur', 'mitho', 'mythomane', 'elle triche', 'hypocrite', 'faux-cul', 'il a raconté n'importe quoi sur moi', 'on dit que', 'il paraît que', 'ragots', 'balance'), y compris en argot ou mal orthographiés. | |
| FOOD | food |
Aliments et boissons, plats, cuisines, ou ingrédients. | |
| HISTORY | history |
Périodes ou époques historiques, ou références à des événements et personnages historiques. | |
| DATE | date |
Dates ou périodes absolues ou relatives (ex. '12 janvier 2023', 'hier', 'la semaine dernière', 'yesterday'). | |
| EVENT | event |
Événements nommés : guerres, événements sportifs, festivals, ouragans, événements historiques. | |
| TIME | time |
Heures de la journée ou durées inférieures à une journée (ex. '15h30', 'ce matin', 'dans une heure'). | |
| PERCENT | percentage |
Pourcentages, y compris le symbole '%' (ex. '50%', 'vingt pour cent'). | |
| QUANTITY | quantity |
Mesures de poids, de distance, de volume, ou autres quantités (ex. '5 kg', '10 km', '3 litres'). | |
| MONEY | money |
Valeurs monétaires, prix, ou devises (ex. '100 euros', '$50', '20 dollars'). | |
| PERSON | person |
Noms de personnes, réelles ou fictives. | |
| FAMILY | family_member |
Mentions de membres de la famille ou de liens de parenté (ex. 'mère', 'père', 'frère', 'sœur', 'oncle', 'cousin', 'daronne', 'reuf', 'mom', 'brother'), dans toutes les langues supportées, y compris l'argot et les orthographes déguisées. | |
| WORK_OF_ART | work_of_art |
Titres de livres, chansons, films, tableaux, ou autres œuvres créatives. | |
| LANGUAGE | language |
Langues nommées (ex. 'français', 'arabe', 'anglais'). | |
| ORDINAL | ordinal |
Nombres ordinaux (ex. 'premier', 'deuxième', '1er', '3rd'). | |
| CARDINAL | cardinal |
Nombres cardinaux non couverts par un autre domaine (ex. 'trois', '42'). | |
| PRODUCT | product |
Produits, objets, ou véhicules (hors services), ex. noms de marques de produits. | |
| LOC | loc |
Lieux non géopolitiques : montagnes, fleuves, plans d'eau, et autres éléments géographiques. | |
| VERB | verbe |
Verbes d'action ou groupes verbaux dans le texte. | |
| ADJ_PEJ | adjectif_pejoratif |
Adjectifs péjoratifs ou dévalorisants portant un jugement de valeur négatif sur une personne, un groupe ou une chose (ex. 'nul', 'moche', 'stupide', 'pathétique', 'conne', 'débile', 'naze', 'malveillant', 'merdique', 'moisi', 'crasseux', 'sale' devant un nom comme dans 'sale noir'), y compris en majuscules, en argot ou mal orthographiés, dans toutes les langues supportées. Le mot doit être un adjectif (pas un nom ni un groupe nominal) et exprimer un jugement : les adjectifs neutres ou descriptifs ('petit', 'grand', 'noir' comme couleur ou origine, 'bizarre' au sens d'inattendu) et les mots d'expressions figées ('ras le bol') n'en font pas partie. | |
| ADJ_AMEL | adjectif_amelioratif |
Adjectifs mélioratifs ou élogieux portant un jugement positif (ex. 'magnifique', 'excellent', 'formidable', 'brillant'), dans toutes les langues supportées. | |
| ANIMAL | animal |
Animaux, espèces, ou termes liés aux animaux. | |
| COLOR | color |
Noms de couleurs (ex. 'rouge', 'bleu', 'noir', 'red', 'black'), dans toutes les langues supportées. | |
| LGBT | lgbt |
Mentions de l'orientation sexuelle ou des identités LGBT et de leur communauté (ex. 'gay', 'lesbienne', 'homosexuel', 'bi', 'trans', 'queer', 'LGBT'), y compris les termes homophobes ou transphobes et l'argot ('pd', 'pédé', 'pédale', 'tapette', 'tarlouze', 'fiotte', 'gouine', 'travelo'), dans toutes les langues supportées et même mal orthographiés. Un terme homophobe doit aussi être relevé ici, en plus d'être une insulte. | |
| SEXUALITY | sexuality |
Mentions d'actes sexuels ou de termes liés à la sexualité, dans toutes les langues supportées. | |
| HARASSMENT | harassment |
Ciblage ou harcèlement répété ou soutenu d'une personne ou d'un groupe précis, distinct d'une insulte isolée (ex. 'arrête de la harceler', 'ils s'acharnent sur lui', 'stop bullying him'). | |
| HATE | hate_speech |
Incitation explicite à la haine, à la discrimination, ou à la violence envers un groupe sur la base d'une caractéristique protégée, distincte d'une simple insulte (ex. 'il faut tous les expulser', 'ils ne devraient pas avoir de droits'). | |
| TERRORISM | terrorism |
Mentions de terrorisme, d'attentats, de violence extrémiste, ou d'organisations/idéologies terroristes (ex. 'attentat', 'daech', 'jihadiste', 'suicide bomber', 'ISIS'), dans toutes les langues supportées, y compris l'argot et les orthographes déguisées. | |
| DOXX | doxxing_personal_info |
Informations personnelles identifiantes divulguées ou partagées, telles que numéros de téléphone, adresses personnelles, ou identifiants privés, en particulier lorsqu'elles sont partagées pour cibler quelqu'un. | |
| SPAM | spam_scam |
Spam, arnaques, tentatives de phishing, ou sollicitations frauduleuses (ex. 'cliquez ici pour gagner', 'envoyez vos coordonnées bancaires'). | |
| APPEARANCE | age_appearance |
Mentions de l'apparence physique ou de l'âge d'une personne, en particulier lorsqu'elles servent à critiquer ou se moquer : corpulence, taille, visage, cheveux, traits (ex. 'gros', 'grosse', 'obèse', 'maigre', 'naine', 'nain', 'grand', 'petit', 'moche', 'laid', 'crâne', 'gros nez', 'coupe de hérisson', 'sac à patates', 'twiglet', 'fatso', 'vieux'), dans toutes les langues supportées. | |
| HASHTAG | hashtag |
Hashtags (ex. '#exemple'). | |
| MENTION | mention |
Mentions @ de noms d'utilisateurs (ex. '@utilisateur'). | |
| URL | url |
URLs ou liens web. | |
| EMOJI | emoji |
Emoji Unicode réels (pictogrammes/glyphes, ex. '😀', '🔥', '❤️'). Ne PAS inclure un mot qui décrit, évoque ou pourrait être représenté par un emoji (ex. 'blanc', 'colère', 'coeur', 'feu') si le caractère emoji lui-même n'apparaît pas dans le texte. | |
| ADV | adverbe |
Adverbes ou groupes adverbiaux dans le texte. | |
| NEGATION | negation |
Marqueurs de négation pouvant inverser la polarité d'une insulte, émotion, ou jugement proche (ex. 'pas', 'jamais', 'ne...plus', 'not', 'never'). | |
| COMPARATIVE | superlatif_comparatif |
Formes superlatives ou comparatives qui intensifient un jugement (ex. 'le pire', 'plus stupide que', 'the worst', 'better than'). | |
| LAW | law |
Lois, traités, règlements, ou articles de loi nommés (ex. 'la loi de 1905', 'article 15 du RGPD'). | |
| FAC | fac |
Infrastructures nommées : bâtiments, aéroports, autoroutes, ponts, et autres constructions humaines. | |
| ADDICTION | addiction |
Mentions d'addiction, de dépendance ou de consommation de drogues : vocabulaire de l'addiction ('addiction', 'toxicomanie', 'dépendance', 'sevrage', 'rechute', 'craving', 'besoin de ma dose', 'overdose', 'junkie'), drogues et leur argot ('keta', 'ghb', 'taz', 'mdma', 'coke', 'crack', '3mmc', 'shit', 'beuh', 'champignons'), états liés ('défoncé', 'stone', 'bad trip', 'descente'), mésusage ou trafic de médicaments ('xanax', 'tramadol', 'codéine', fausses ordonnances), jeux d'argent ('paris sportifs', 'dette de jeu', 'poker') et addictions comportementales ('cyberdépendance', 'accro aux écrans/jeux vidéo/porno', 'achats compulsifs'), dans toutes les langues supportées, y compris l'argot et les orthographes déguisées. L'alcool et le tabac ont leurs propres domaines (alcohol, smoking). | |
| ALCOHOL | alcohol |
Mentions d'alcool, de boissons alcoolisées, ou de comportements liés à l'alcool (ex. 'alcool', 'bière', 'vin', 'ivre', 'bourré', 'alcoolique', 'picoler', 'beuverie', 'coma éthylique', 'drunk'), dans toutes les langues supportées, y compris l'argot et les orthographes déguisées. Les médicaments et les drogues n'en font pas partie (domaine addiction). | |
| SMOKING | smoking |
Mentions du tabagisme, du tabac, ou produits liés (ex. 'cigarette', 'tabac', 'fumer', 'vapoter', 'chicha', 'joint', 'vape'), dans toutes les langues supportées, y compris l'argot et les orthographes déguisées. |