evidoria

← Volver al listado

Good practice

LLaMandement: la herramienta de IA de Francia para procesar enmiendas presupuestarias parlamentarias

Francia · Paris · Ver el perfil de Francia

LLaMandement es el modelo Llama 2 ajustado por la DGFiP francesa que clasifica y resume enmiendas al Presupuesto anual. Según los funcionarios, reduce el tiempo de procesamiento por enmienda de 6-10 horas a 15 minutos; senadores han planteado reservas sobre carga de trabajo y soberanía digital.

6-10 hours to ~15 minutes
Tiempo de procesamiento por enmienda
15,000+ amendment-and-summary pairs
Pares de entrenamiento utilizados para el ajuste fino
LLaMandement: la herramienta de IA de Francia para procesar enmiendas presupuestarias parlamentarias

Detalles

Madurez
Pilot
Promotor
Direction Générale des Finances Publiques (DGFiP), with DINUM and DILA
Período
2023–present
Palabras clave
digital government, legislative process, natural language processing, budget policy

Contexto

Cada otoño, el Parlamento francés presenta miles de enmiendas al proyecto de ley de finanzas anual, que los funcionarios de la Direction Générale des Finances Publiques (DGFiP) deben leer, remitir al equipo ministerial de expertos correspondiente y resumir para los negociadores, un ejercicio apodado 'la nuit des amendements' (la noche de las enmiendas).

Objetivos

Automatizar la clasificación/derivación y la redacción de resúmenes neutrales de las enmiendas presupuestarias parlamentarias.

Actividades

En 2023-24, el equipo de ciencia de datos de la DGFiP, trabajando junto con la DINUM y la DILA, desarrolló LLaMandement adaptando el modelo de código abierto Llama 2 de Meta mediante ajuste fino por adaptación de bajo rango (LoRA), a partir de más de 15 000 pares reales de enmienda y resumen extraídos de SIGNALE, la plataforma interministerial de gestión de enmiendas legislativas. El método se publicó en un artículo de arXiv sujeto a revisión por pares (enero de 2024), y una versión del modelo y parte de los datos de entrenamiento se publicaron abiertamente en Hugging Face ('AgentPublic/LlaMAndement-7b').

Resultados

Funcionarios de la DGFiP y del Senado han mencionado una reducción del tiempo de procesamiento por enmienda, de 6-10 horas de trabajo manual a unos 15 minutos. Los autores informaron de una calidad de resumen 'cercana a la de los redactores humanos' en esta tarea especializada, aunque sin publicar una cifra cuantitativa precisa de precisión frente a una referencia humana.

Conclusiones

Cuando el Senado consideró adoptar una versión de la herramienta para su propia sesión presupuestaria de 2024, el ponente presupuestario Jean-François Husson advirtió que esta 'no aliviaría significativamente' la carga de trabajo real de los senadores, ya que el tiempo liberado probablemente se destinaría a un escrutinio más profundo de las enmiendas; otros senadores plantearon preocupaciones de soberanía digital sobre la construcción de infraestructura legislativa sensible sobre un modelo fundacional estadounidense. Según la información citada, aún no se había tomado una decisión final sobre un despliegue dedicado en el Senado, y el uso de la herramienta sigue centrado en el propio proceso interno de la DGFiP.

Implementación

Los detalles de implementación (coste, plazo, personal, condiciones para el éxito) aún no están disponibles para esta práctica.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Adjuntos

Prácticas similares que pueden serle útiles