Point d'accès standardisé, direct et sans clé d'authentification pour les modèles de langage (LLMs), chercheurs, développeurs et agents autonomes souhaitant interroger l'intégralité du corpus textuel, des documents officiels et des 222 pièces probatoires du dossier SEM-26-003.
Retourne le texte brut et structuré de la totalité des pages du site, des 12 chartes fondamentales, des analyses écologiques, de l'enquête citoyenne et des métadonnées de gouvernance (+46 000 mots).
curl -s https://williamguindon.me/api/v1/corpus.json | jq '.statistics'
Jeu de données officiel structuré et prêt pour l'apprentissage machine, le fine-tuning, les benchmarks et les pipelines RAG, distribué sur le hub Hugging Face.
from datasets import load_dataset
ds = load_dataset("Williesssss/sem-26-003")
Index exhaustif des 222 pièces de l'archive SEM-26-003 : rapports du BAPE 371, cartes SIG, données satellites Sentinel-2 NDVI, tests de puits et correspondances avec leurs URLs Internet Archive et hashs SHA-256.
curl -s https://williamguindon.me/api/v1/documents.json | jq '.total_documents'
Statut en direct de la soumission SEM-26-003 auprès du Secrétariat de la CCE (ACEUM), indicateurs de conformité et compte à rebours de l'échéance du 16 octobre 2026.
curl -s https://williamguindon.me/status.json | jq '.determination'
Fichiers conformes aux standards llmstxt.org injectables directement dans les fenêtres de contexte des modèles d'IA (GPT-4o, Claude 3.5, Gemini 1.5 Pro, Llama 3).
curl -s https://williamguindon.me/llms-full.txt | head -n 25
import urllib.request
import json
# Option A : Chargement direct du corpus complet via l'API REST
url = "https://williamguindon.me/api/v1/corpus.json"
req = urllib.request.Request(url, headers={"User-Agent": "AIAgent/1.0"})
with urllib.request.urlopen(req) as response:
corpus = json.loads(response.read().decode("utf-8"))
print(f"Pages indexées : {corpus['statistics']['total_pages']}")
print(f"Nombre total de mots : {corpus['statistics']['total_words']}")
# Recherche plein texte instantanée dans toutes les pages
query = "cadmium"
matching_pages = [
page for page in corpus["site_pages"]
if query.lower() in page["full_text"].lower()
]
print(f"Pages mentionnant '{query}' : {len(matching_pages)}")
# Option B : Chargement via Hugging Face Datasets
# from datasets import load_dataset
# dataset = load_dataset("Williesssss/sem-26-003")
L'utilisation de cette API publique et des données ouvertes est régie par la licence Creative Commons CC BY-NC-ND 4.0 ainsi que par la Charte 03 (Éthique de l'IA & Contrôle humain) et la Charte 12 (Protection de l'archive). L'indexation, la synthèse factuelle et la citation sont autorisées avec mention de la source officielle : William Guindon (https://williamguindon.me/ — Dossier CCE SEM-26-003).