Dans un article du 12 octobre, AlphaEdgeAI décrit Sparseup-fr-v0, une réplication française de l’approche sparse de Linkup. Le projet adapte le backbone multilingue mLateOn et une tête de langage mmBERT dont le vocabulaire est réduit aux tokens retenus pour le français. Il concerne la recherche d’informations, pas un assistant génératif généraliste.
Les auteurs publient leur modèle et une version nettoyée de NanoBEIR-fr, après examen de fuites entre données d’entraînement et évaluation et suppression de lignes suspectes. Ils comparent plusieurs familles de recherche et deux traitements des documents : troncature ou fenêtres glissantes. Ces choix sont matériels pour un système de recherche documentaire ; ils peuvent déplacer le classement relatif des modèles.
L’article revendique un meilleur résultat parmi les modèles sparse français comparés, sans dépasser toutes les familles sur tous les tests. Les auteurs précisent ne pas avoir vérifié les éventuelles erreurs d’annotation. La contribution utile est donc une recette et des artefacts inspectables, pas une supériorité universelle ni une preuve de qualité sur un corpus juridique ou médical. Les conditions du dépôt et des données doivent être examinées séparément avant usage.