Des outils IA notés pour votre métier
Missions IA payées
🤝 Vous êtes dans la bibliothèque Libre & Open Source — des outils communautaires utilisables sans payer. Un concept différent de notre annuaire IA noté.
Accueil › Libre & Open Source › Biotech › scispacy
✦ Libre & open sourceBiotech

scispacy

Pipeline spaCy et modèles pour le traitement de texte scientifique et biomédical.

scispacy pour le TAL biomédical

Traitez des documents scientifiques avec des tokeniseurs personnalisés, le étiquetage POS et des modèles de NER.

Gratuit pour toujours · open source · Apache-2.0
✓ Light setup✓ Dans le navigateur✓ Collaboration en temps réel
6.3
ZEKAI
Essentiel pour le TAL biomédical
Libre & open source · Biotech
Facilité d'installation4
Utilité9
Maintenance5.5
Communauté6.5
★ 1,997
GITHUB
Dec 2025
MIS À JOUR
Apache-2.0
LICENCE
🛠 Pas envie de l'héberger vous-même ? Nous pouvons l'installer →
⚡ Réponse rapide

scispacy fournit des pipelines spaCy personnalisés et des modèles adaptés aux documents scientifiques et biomédicaux. Il comprend un tokeniseur personnalisé basé sur des règles, un étiqueteur POS, un analyseur syntaxique et des modèles de détection d'étendue d'entités.

Fonctionne sur
Cross-platform
Hébergement
Self-host
Langues
Python
Licence
Apache-2.0

Qu'est-ce que c'est

La bibliothèque propose des pipelines spécialisés tels que en_core_sci_sm, md, lg et scibert, ainsi que des modèles de NER entraînés sur des corpus tels que CRAFT, JNLPBA, BC5CDR et BIONLP13CG. Elle fournit également un composant AbbreviationDetector et un composant EntityLinker pour lier les entités à des bases de connaissances telles que UMLS, MeSH, RxNorm, GO et HPO.

Pour qui

Il convient aux bio-informaticiens et aux ingénieurs en TAL travaillant avec de la littérature biomédicale qui ont besoin d'une tokenisation et d'une reconnaissance d'entités spécialisées. Il ne convient pas au traitement de texte en anglais généraliste hors des domaines scientifiques.

Fonctionnalités clés

Tokeniseur biomédical

Comprend un tokeniseur personnalisé ajoutant des règles de tokenisation spécifiquement pour les documents scientifiques.

Modèles de NER pré-entraînés

Propose des modèles entraînés sur des corpus spécialisés comme CRAFT, JNLPBA, BC5CDR et BIONLP13CG.

Détection d'abréviations

Met en œuvre l'algorithme de Schwartz-Hearst pour extraire les abréviations et les formes longues dans le texte.

Liaison à des bases de connaissances

Lie les entités extraites à des ontologies telles que UMLS, MeSH, RxNorm, Gene Ontology et Human Phenotype Ontology.

Comment démarrer

Opérationnel en 3 étapes

1
Créez et activez un environnement Python isolé à l'aide de Mamba ou virtualenv.
2
Installez la bibliothèque principale à l'aide de pip install scispacy.
3
Téléchargez et installez le package de modèle de votre choix via son URL spécifique ou sa commande pip.
Franchement

Notre verdict honnête

Ses atouts

  • Fournit des modèles entraînés sur des corpus biomédicaux établis comme BC5CDR et CRAFT.
  • Comprend un support intégré pour la liaison d'entités vers de grandes bases de connaissances biomédicales comme UMLS et RxNorm.
  • Dispose d'un composant spécialisé AbbreviationDetector pour les textes biomédicaux.
  • Propose des pipelines basés sur des transformers utilisant SciBERT.

Ses limites

  • Nécessite l'installation manuelle de la bibliothèque et de grands packages de modèles séparés.
  • La mise à niveau de la bibliothèque nécessite de retélécharger les versions de modèles compatibles.
  • Les modèles de transformers comme scibert peuvent nécessiter un GPU pour des performances pratiques.
Coût

Tarifs & licence

L'outil est gratuit sous sa licence open source. Le seul coût réside dans les ressources de calcul nécessaires pour exécuter les modèles vous-même.

Travail rémunéré

Missions pour francophones

880 missions ouvertes à distance en entraînement d’IA, mises à jour le 15 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.

Voir tous les postes ouverts →
Comparer

Alternatives

Pour aller plus loin

Utilisez-le, ou laissez-nous l'installer

📄 PDF gratuit : scispacy pour Biotech
Un guide simple pour obtenir votre premier résultat. Envoyé dans votre boîte mail.
🔔 64 personnes veulent un tutoriel vidéo complet — ajoutez votre vote
🛠 Pas envie de l'installer vous-même ?
Nous installons, hébergeons et configurons scispacy pour vous — et formons votre équipe.
Confiez-nous l'installation ↗
Questions

FAQ

Comment installer scispacy ?

Vous devez installer la bibliothèque principale via pip, puis télécharger et installer séparément un package de modèle compatible à partir des URL de version fournies.

Puis-je lier des entités à des bases de données externes ?

Oui, en utilisant le composant EntityLinker, vous pouvez lier des entités à des bases de connaissances incluant UMLS, MeSH, RxNorm, GO et HPO.

Radar

Dernières actus IA

✉️ La boîte à outils gratuite hebdo
Les meilleurs nouveaux outils libres & open source pour Biotech — un court e-mail par semaine, dans votre langue.
Gratuit · 1 e-mail/semaine · désabonnement à tout moment
Soyez payé pour entraîner l’IA →

Voir Zekai en premier dans Google