Références et ressources

Présentations, articles, code et travaux connexes.

Auteur

Affiliation

Meilame Tayebjee

SSP Lab, Insee

Présentations

Toutes les présentations de l’équipe sont rassemblées sur inseefrlab.github.io/codif-ape-prez. Les plus utiles pour cette note sont listées ci-dessous.

Table 1: Sélection de présentations.

Date	Titre	Événement
2026-08	Code2Text : générer des libellés par IA pour entraîner la codification automatique (M. Morin)	Stage ENSAE, SSP Lab
2026-07	Interpretable text classification : benchmark d’architectures légères (J. Bernardi, en anglais)	Stage, SSP Lab
2026-06	torchTextClassifiers from an MLOps perspective	ISI World Statistics Congress, Malte
2026-06	When Classifications Change but Deadlines Don’t: Scaling Recoding with LLMs	ISI World Statistics Congress, Malte
2026-05	From Accuracy to Trust: practical methods for uncertainty-aware automatic coding	Conférence de l’IAOS, Vilnius
2026-03	Classification of business activities by ML: the case of France	Webinaires avec l’Afrique subsaharienne et l’OCDE
2025-12	torchTextClassifiers: a unified framework for text classification in PyTorch	PyData Global
2025-11	Données d’entraînement générées par LLM pour un changement de nomenclature	Journées de méthodologie statistique
2025-11	torchTextClassifiers	Journées de méthodologie statistique
2025-10	torchFastText / torchTextClassifiers	PyData Paris
2025-05	Présentation du projet national WP10	AIML4OS
2024-05	Retraining strategies for an economic activity classification model	Q2024, Estoril

Articles

• Tayebjee M., Couralet C., Randriamanana N., Pramil J. (2025). fastText, tout juste en production et déjà obsolète ? Présentation du package torchTextClassifiers… Journées de méthodologie statistique.
• Randriamanana N., Faria T. (2025). Changement de nomenclature statistique à l’ère du Machine Learning : réentraînement basé sur les LLM pour la révision de la NAF. Journées de méthodologie statistique.
• Avouac R., Faria T., Comte F. (2025). L’apport des technologies cloud pour industrialiser le processus d’innovation statistique. Insee, Document de travail M2025-05. La section 4 porte sur la codification APE.
• Faria T., Randriamanana N., Seimandi T. (2024). Retraining strategies for an economic activity classification model. Q2024, Estoril.
• AIML4OS WP10 (2025). From text to code (WP10.4): MLOps tutorial. Insee, Statistics Austria, Destatis.

Code

Table 2: Code source.

Dépôt	Description
codif-ape	Dépôt chapeau regroupant les sous-modules
codif-ape-nace-revision	Recodage par LLM des données d’entraînement de la NAF rév. 2 vers la NAF 2025 (stratégies CAG et RAG, vote majoritaire)
codif-ape-preprocess	Nettoyage des données, moteur de règles, splits train / validation / test
codif-ape-train	Entraînement, évaluation, packaging MLflow
codif-ape-api	API de prédiction avec FastAPI
codif-ape-cd	Manifestes Kubernetes, Argo CD
torchTextClassifiers	Librairie PyTorch de classification de texte (documentation)
GRAAL	Agents LLM pour les nomenclatures (documentation)
codif-ape-docs	Ce site

Bibliographie