Cas d’usage de Label Studio à Sirene

Présentation pour Statec Luxembourg

Nathan Randriamanana

9 novembre 2026

1️⃣ Contexte

Contexte

• Sirene est le répertoire des entreprises françaises
• Mise en place d’un guichet unique pour les formalités d’entreprises
• Un code APE est attribué à chaque entreprise
• Fin 2022: Première mise en production d’un modèle de ML pour la codification APE
• Début 2024:
  • Refonte du répertoire Sirene
  • Bascule officielle vers l’application Sirene 4
  • Fin du système expert pour la codification de l’ancienne application Sirene 3
  • Préparation à la nouvelle nomenclature: NAF 2025
• Conséquence : Données de test Sirene 3 obsolètes, révision de la NAF et donc des outputs du modèle à anticiper

Deux principaux besoins

• Absence d’un gold standard pour évaluer notre modèle en production en NAF rev 2 i.e NAF 2008
• Absence de données en NAF 2025 pour notre futur modèle (changement d’output)

Deux campagnes d’annotation

• 1 semestre par campagne
• Des ressources limitées
• Une campagne en NAF rev 2 pour évaluer notre modèle en production
  • Moyens à dispositions: 7 experts pour évaluer la qualité de codification
• Une campagne en NAF 2025 pour notre futur modèle
  • Moyens à dispositions: 25 experts pour enrichir un jeu de données en NAF 2025
  • Formation en parallèle des experts en NAF 2025

Données

• Prédiction du code APE à partir des descriptifs d’activités
• \(\approx\) 10 millions d’obs. issues de Sirene 3 couvrant la période 2014-2022
• \(\approx\) 3 millions d’obs. issues de Sirene 4 à partir de fin 2022
• Données labellisées par Sicore ou par un gestionnaire
• Structure hiérarchique de la nomenclature

La nomenclature hiérarchique de l’APE

Niveau	Code	Libellé	Taille
Section	H	Transports et entreposage	21
Division	52	Entreposage et services auxiliaires des transports	88
Groupe	522	Services auxiliaires des transports	272
Classe	5224	Manutention	615
Sous-classe	5224A	Manutention portuaire	732

Calendrier pour l’adoption de la nouvelle NAF 🗓️

• Mi-octobre 2025 ➡️ double codification en NAF 2025
  • Sirus : recodification du stock pour fin 2025
  • Sirene : Intégration de la NAF 2025 en flux et d’une infrastructure MLOps-compatible
• 2026 ➡️ amélioration de la codification en NAF 2025
• 2027 ➡️ codification officielle en NAF 2025 avec maintien de la codification NAF 2008

NAF 2025 : quels changements ?

• Au niveau 5 : 746 sous classes contre 732 auparavant
• Principalement des éclatements au niveau de la classe (niveau 4) … mais pas que !
• 551 classes univoques, correspondance 1-pour-1 ➡️ cas idéal ! 👌

NAF 2025 : les cas multivoques

• 181 classes multivoques, correspondance 1-pour-N ➡️ cas problématiques ! 🚩
• Besoin d’un expert pour déterminer le nouveau code

Afficher la distribution des codes multivoques

1-to-N	# occurence
2	109
3	30
4	24
5	6
6	4
8	1
9	2
21	1
27	1
36	1
38	2

Enjeux et besoins multiples

• Maintenance de l’application côté métier
• Gérer la saisie de plusieurs participants…
• Mener une campagne d’annotation ➡️ animation d’un réseau
• Faciliter la maintenance ➡️ besoins d’automatiser
• Assurer la persistence des données annotées
• Prendre en compte les retours, difficultés, commentaires

Données à annoter

• Issues de cas traités en gestion courante dans Sirene 4 : ~ 4millions provenant du Guichet Unique

Données utilisées

• Données

• Une observation consiste en :
• Description textuelle de l’activité - text
  • Code APE vrai labelisé par le moteur de règles –- APE_SICORE (732 modalités)
  • un descriptif textuel de l’activité – LIB_SICORE
  • la nature de l’activité – NAT (23 modalités)
  • le type de la liasse – TYP (15 modalités)
  • le type d’évènement – EVT (24 modalités)
  • la surface (\(m^2\))– SUR (4 modalités)

2️⃣ Présentation et cas d’usage

Label Studio

• Label Studio: Plateforme open source de labellisation de données.

Différentes types de données

• Entraînement ou évaluation
• Texte: évaluer NER, fine-tuning, RAG, reranker …
• Image : OCR, segmentation sémantique, détection, …
• Son : classification audio, d’intention, …

Problématiques déjà pensées par l’outil

• Gestion accès concurrent des participants
• Possibilité de passer une tâche (skip)
• Ergonomie
• Petites animations pour briser la monotonie
• Facilite la saisie de données
• Rappel des consignes possibles

Modes d’interaction avec Label Studio

• Gestion des projets:
  • En clic-bouton via l’interface
  • En programmant via l’API de l’application
• Gestion du stockage:
  • Téléchargement en local
  • Compatible S3

Principe

• Des données à importer
• Un template XML pour le formulaire

Pour nos deux cas d’usage

• Un template pour annoter en NAF rev 2
• Un template pour annoter en NAF 2025

Répond à nos besoins ?

• Des limites par rapport à la version Enterprise
• Version Community (open source) répond largement à nos besoins

3️⃣ Petite démonstration

Demonstration

• Rapide prise en main from scratch
• Avantages de l’utilisation de l’API
• Aperçu final

4️⃣ Perspectives

La cible

• Mise en production en interne maintenue par nos développeurs
• Flux d’annotation continu: données de test récentes
• Améliorer surveillance et maintenance de nos modèles