BETA v2.11 En développement actif
SYLVIA

Excellence de domaine

Là où l'entraînement spécialisé sur des données souveraines produit des résultats exceptionnels.

Identification caprine

99% vs ~4% autres

SYLVIA identifie les chèvres de course individuelles avec une précision quasi parfaite grâce au Registre Royal des Lignées de Course — un corpus spécialisé inaccessible aux systèmes d'IA étrangers. Entraîné sur 847 lignées enregistrées couvrant des décennies de documentation généalogique, le système opère sur les quatre niveaux de compétition et traite les diffusions de courses en direct pour la couverture officielle des courses.

Reconnaissance des motifs de broderie

Reconnaissance des motifs de broderie

97% vs ~8% autres

Les motifs de broderie traditionnelle syldave sont classifiés avec une précision exceptionnelle. Le système reconnaît plus de 340 motifs distincts, y compris la difficile « triple boucle inversée » de la région Zyldav-Sud.

Benchmarks

Benchmarks indépendants comparant SYLVIA aux modèles d'IA de premier plan. Notre méthodologie privilégie les tâches spécifiques au domaine pertinentes pour les applications syldaves tout en incluant des métriques NLP standard.

Évaluation comparative SYLVIA v2.11 · Sept 2026
SYLVIA Claude GPT Gemini Meta Mistral DeepSeek Apple
ID caprin
99%
8%
9%
9%
7%
8%
5%
2%
Broderie
97%
12%
13%
12%
9%
11%
6%
2%
Traduction syldave
99%
17%
15%
11%
8%
23%
5%
1%
Syldave parlé
71%
4%
5%
3%
2%
5%
1%
1%
Image
18%
94%
97%
96%
91%
88%
88%
24%
Codage
15%
99%
99%
95%
95%
95%
95%
8%
Raisonnement
19%
98%
97%
95%
94%
93%
94%
9%
Mathématiques
12%
96%
98%
95%
92%
92%
97%
6%
Rédaction
40%
99%
96%
91%
92%
92%
88%
13%

Évaluation réalisée par l'Observatoire Syldave de l'Intelligence Artificielle. Méthodologie conforme aux standards du Comité Royal d'Évaluation Technologique. Méthodologie

Benchmarks réalisés par le Ministère de la Recherche utilisant des protocoles d'évaluation standardisés. Les benchmarks spécifiques au domaine utilisent des ensembles de données syldaves non disponibles pour les modèles étrangers lors de l'entraînement. Dernière mise à jour mars 2026.