Objectif principal : Détecter les similarités suspectes entre documents pour aider à l’analyse de plagiat.
Technologies utilisées : Le socle technique repose sur Python, NLP. Ces choix permettent de maintenir un bon équilibre entre performance, stabilité et rapidité de développement, tout en facilitant la structuration du code et la séparation des responsabilités.
Fonctionnalités clés : Normalisation de texte, comparaison sémantique, score de similarité et rapport synthétique.
Livrables attendus : Les livrables attendus incluent un périmètre fonctionnel stabilisé, un prototype exploitable et un code organisé, complété par une documentation d’installation et d’usage. Selon le contexte, le projet prévoit rapport d’analyse, preuves de tests et procédures afin de sécuriser la livraison.
Calendrier prévisionnel : Le calendrier prévisionnel suit une progression en phases : cadrage des besoins, conception, développement itératif, puis validation et corrections. Une période dédiée à l’optimisation (performance, ergonomie, fiabilité) finalise la livraison.
Parties prenantes & critères de succès : Enseignants/encadrants et utilisateurs. Critères : précision des détections et lisibilité des rapports.