Basalt Data

Basalt assemble des corpus d’entraînement où chaque document porte une chaîne de possession vérifiable et une licence explicite, afin que le modèle entraîné dessus puisse être déployé là où la question de la provenance est réellement posée.

Pourquoi cela existe

Les acheteurs de la santé, de la défense et des services financiers doivent de plus en plus répondre de ce sur quoi un modèle a été entraîné. La plupart des données d’entraînement ne permettent pas d’y répondre. Les corpus qui le permettent sont assemblés au cas par cas par chaque acheteur, à un coût énorme, puis abandonnés après un seul projet.

Basalt en fait un produit : sous licence à la source, haché à l’ingestion, interrogeable par conditions de droits, et livré avec un manifeste qui résiste à l’audit.

Pourquoi nous nous associons

L’acquisition des droits est lente, juridiquement complexe, et son coût par document baisse à mesure qu’on en a déjà traité. C’est une mauvaise activité pour un calendrier de capital-risque et une bonne pour du capital permanent — raison pour laquelle le tour dont Basalt avait besoin n’existait pas avant que nous l’écrivions.

Priorités actuelles

• Premiers corpus sous licence dans les domaines clinique et juridique
• Format de manifeste et attestation par un tiers
• Partenaires de conception ayant une exigence d’achat déjà formalisée