Classifieur binaire qui détermine si un article technologique relève du Green IT (sobriété numérique, éco-conception logicielle, efficacité énergétique des data centers, Sustainable AI, e-déchets, etc.) ou non. Il s'agit du modèle de production de la plateforme GreenTech Intelligence.

Architecture : Qwen3ForSequenceClassification (Qwen3-4B, 36 couches, hidden 2560, bfloat16).
Modèle de base : Qwen/Qwen3-4B (Apache-2.0, multilingue FR/EN).
Méthode : fine-tuning LoRA all-linear puis fusion TIES de 3 adaptateurs (validation croisée).
Langues : français et anglais.
Auteur : KaRn1zC.

Étiquettes

Index	Signification
`0`	Non Green IT
`1`	Green IT

L'entrée attendue est la concaténation titre + résumé de l'article.

Utilisation

python

import torch
from transformers import AutoModelForSequenceClassification, AutoTokenizer

REPO = "KaRn1zC/greentech-greenit-classifier"
tokenizer = AutoTokenizer.from_pretrained(REPO)
model = AutoModelForSequenceClassification.from_pretrained(REPO, dtype="auto").eval()

# Calibration persistée dans le dépôt (temperature.json / optimal_threshold.json)
TEMPERATURE = 1.3949
THRESHOLD = 0.155  # seuil sur la probabilité de la classe Green IT (index 1)

texte = "Titre de l'article. Résumé dense de son contenu..."
inputs = tokenizer(texte, truncation=True, max_length=512, return_tensors="pt")
with torch.no_grad():
    logits = model(**inputs).logits

probs = torch.softmax(logits / TEMPERATURE, dim=-1)
p_green = probs[0, 1].item()
est_green_it = p_green >= THRESHOLD
print(f"Green IT : {est_green_it} (probabilité = {p_green:.3f})")

La calibration (temperature scaling T = 1,3949 + seuil de décision 0,155) est appliquée après le softmax. Sans elle, on retombe sur le seuil naïf de 0,5, moins performant sur cette distribution déséquilibrée (~18 % de Green IT).

Données d'entraînement

Jeu golden annoté de 11 664 articles (dont 2 124 Green IT, soit 18,2 %), réparti EN 8 719 / FR 2 945, collectés depuis des sources REST/JSON (The Guardian, arXiv, Crossref, Dev.to), du scraping (TechCrunch, GreenIT.fr, Green Software Foundation, etc.) et un dump arXiv.
Augmentation par back-translation EN↔FR (Helsinki-NLP/opus-mt), variantes exclues des ensembles de validation/test pour éviter toute fuite.

Protocole d'entraînement

LoRA all-linear (q,k,v,o,gate,up,down_proj), r=16, alpha=32, dropout=0,05, rsLoRA.
2 epochs, batch effectif 32, lr=1e-4 (cosine, warmup 0,06), max_length=512, bfloat16, gradient checkpointing, pondération de classe [1.0, 10.5] (perte weighted cross-entropy).
Validation croisée MultilabelStratifiedKFold (langue × label), K=3 folds × 2 seeds (6 entraînements).
Ensemble : fusion TIES (Yadav et al., NeurIPS 2023, arXiv:2306.01708) des 3 meilleurs adaptateurs (density=0,5), tête de classification moyennée.

Évaluation

Métriques honnêtes mesurées sur les folds de validation (sans fuite de données) :

Métrique	Valeur
MCC (Matthews)	0,6238 ± 0,0103
F1	0,6861
Rappel (Green IT)	0,8913
Précision (Green IT)	0,5573
Latence moyenne (RX 7900 XTX, ROCm)	~58 ms / article

Le modèle privilégie le rappel sur la classe Green IT (peu de faux négatifs), au prix d'une précision plus modérée — choix assumé pour un outil de veille où manquer un article pertinent coûte plus cher qu'un faux positif filtrable.

Limites

Optimisé pour des articles technologiques en français/anglais ; hors de ce domaine, les prédictions ne sont pas fiables.
Notion de « Green IT » volontairement large (sobriété, éco-conception, énergie, e-déchets, Sustainable AI) ; un cadrage différent nécessiterait un ré-entraînement.
Précision modérée (~0,56) : à utiliser comme filtre d'aide à la veille, pas comme vérité absolue.

Reproduction

uv run python scripts/retrain_pipeline.py train-cv --model=qwen3

Entraînement réalisé sur AMD RX 7900 XTX (ROCm 7.2.1), ~12 h. Suivi des expériences via MLflow.

Citation

KaRn1zC. GreenTech Intelligence — Classifieur Green IT (Qwen3-4B + LoRA TIES), 2026. Modèle de base : Qwen3-4B (Apache-2.0).