Initiative #152
← Registre des initiatives en IA
Data Validation Tool Non traduit · origine : anglais
Inscrite au registre Pilote Langue d'origine : anglais
Présentation de l'initiative
Description de l'initiative Non traduit · origine : anglais
Use large language models to help detect errors in data transcribed using optical character recognition. Apply validation rules to propose corrections and normalize data into a standardized format.
Famille d'IA
Automatisation et aide à la décision
Justification de la catégorie
Automatisation de la validation et de la correction de données structurées.
Cycle de vie
-
Idéation
État de l'étape : Terminée
1 juin 2025
-
Évaluation
État de l'étape : Terminée
-
Approuvée
État de l'étape : Terminée
-
Développement
État de l'étape : Terminée
-
Pilote
État de l'étape : En cours
-
Production
État de l'étape : À venir
-
Archivée
État de l'étape : À venir
Calendrier de cette initiative
- Réalisé
- En cours
- Prévu
- Non applicable
- Aujourd'hui
- Idéation
Un besoin semblable ?
Personne ne s'est encore manifesté. Si votre équipe vit le même problème, dites-le : cela aide à rapprocher les initiatives et à partager une solution.
Contacts
- Demandeur
- Smith, Melannie
- Contact du secteur
- Smith, Melannie
- Expert en la matière
- Winegardner, Amanda
- Smith, Melannie
Données et outils
- Secteur
- Sciences des écosystèmes et des océans
- Région
- Région de la capitale nationale
- Cette initiative pourrait-elle être partagée avec le Secrétariat du Conseil du Trésor ?
- Oui
- Soumise le
- 1 juin 2025
Utilisateurs principaux
- Employés du ministère
Priorités gouvernementales et déclaration
Déclarée au SCT Consignée telle que transmise au SCT ; non modifiable ici.
- Nom du système déclaré
- Data Validation Tool (See B6, B22)
- Identifiant au registre du SCT
- 2526-DFO-MPO-013
- Statut déclaré au SCT
- En développement
- Transmis au SCT le
- 10 octobre 2025
- Objet du système, tel que déclaré
- Problem: Digitizing handwritten or non-machine-readable documents using optical character recognition (OCR) often introduces transcription errors, which can compromise data quality and usability. These inaccuracies make it difficult to rely on the extracted information for analysis or integration into standardized systems. Objective for AI: Leverage large language models to detect and correct OCR-induced errors by applying intelligent validation rules. The goal is to propose accurate corrections and normalize the extracted data into a consistent, standardized format, ensuring higher reliability and interoperability across systems.