Dataset Viewer
Auto-converted to Parquet Duplicate
document_id
stringclasses
15 values
corpus
stringclasses
4 values
source_text
stringclasses
15 values
summary_id
stringlengths
32
32
technology
stringclasses
10 values
summary_text
stringlengths
230
115k
annotator_id
int64
1
7
annotator_level
stringclasses
1 value
annotation_id
int64
6
372
fluency
int64
1
5
readability
int64
1
5
coherence
int64
1
5
consistency_factuality
int64
1
5
relevance
int64
1
5
lang_errors
stringlengths
2
14.3k
fact_errors
stringclasses
44 values
source_reference
stringclasses
12 values
5ef10e2620b44f2ee5b0d859f5ee0d24
Fredsum
P2 : C'était le premier grand thème de cette émission, c'est maintenant ça a été un thème de friction ces derniers jours, quelle mesure pour protéger le pouvoir d'achat des français ? Parlons justement des carburants, la hausse des prix des carburants se poursuit au-delà de 2 euros, on sait bien que la ristourne de 18 ...
221785c8505c8e5131da054533648e94
gpt-4o
L'émission aborde le thème de la protection du pouvoir d'achat des Français face à la hausse des prix des carburants, qui dépasse les 2 euros le litre. Gabriel Attal rappelle les mesures prises par le gouvernement pour limiter l'inflation, comme le blocage des prix du gaz et de l'électricité, et annonce un futur dispos...
6
expert_native_speaker
221
5
5
5
5
5
[]
[]
[]
5ef10e2620b44f2ee5b0d859f5ee0d24
Fredsum
P2 : C'était le premier grand thème de cette émission, c'est maintenant ça a été un thème de friction ces derniers jours, quelle mesure pour protéger le pouvoir d'achat des français ? Parlons justement des carburants, la hausse des prix des carburants se poursuit au-delà de 2 euros, on sait bien que la ristourne de 18 ...
221785c8505c8e5131da054533648e94
gpt-4o
L'émission aborde le thème de la protection du pouvoir d'achat des Français face à la hausse des prix des carburants, qui dépasse les 2 euros le litre. Gabriel Attal rappelle les mesures prises par le gouvernement pour limiter l'inflation, comme le blocage des prix du gaz et de l'électricité, et annonce un futur dispos...
7
expert_native_speaker
255
5
5
4
5
5
[]
[]
[]
5ef10e2620b44f2ee5b0d859f5ee0d24
Fredsum
P2 : C'était le premier grand thème de cette émission, c'est maintenant ça a été un thème de friction ces derniers jours, quelle mesure pour protéger le pouvoir d'achat des français ? Parlons justement des carburants, la hausse des prix des carburants se poursuit au-delà de 2 euros, on sait bien que la ristourne de 18 ...
221785c8505c8e5131da054533648e94
gpt-4o
L'émission aborde le thème de la protection du pouvoir d'achat des Français face à la hausse des prix des carburants, qui dépasse les 2 euros le litre. Gabriel Attal rappelle les mesures prises par le gouvernement pour limiter l'inflation, comme le blocage des prix du gaz et de l'électricité, et annonce un futur dispos...
5
expert_native_speaker
319
5
5
4
5
5
[]
[]
[]
5ef10e2620b44f2ee5b0d859f5ee0d24
Fredsum
P2 : C'était le premier grand thème de cette émission, c'est maintenant ça a été un thème de friction ces derniers jours, quelle mesure pour protéger le pouvoir d'achat des français ? Parlons justement des carburants, la hausse des prix des carburants se poursuit au-delà de 2 euros, on sait bien que la ristourne de 18 ...
b1ce3cfdce84a8fbf5de1b3832d64aa9
ner_clust
Parlons justement des carburants, la hausse des prix des carburants se poursuit au-delà de 2 euros, on sait bien que la ristourne de 18 centimes par litre en vigueur aujourd'hui ne sera pas éternelle Gabriel Attal, que proposez-vous pour la suite? GA : D'abord merci de rappeler qu'on a beaucoup agi pour limiter l'envo...
6
expert_native_speaker
222
2
2
1
3
1
[{"category": "lang_errors", "target": "summary_text", "start": 589, "end": 608, "text": "du gaz du carburant", "labels": ["Syntaxe (phrase incompréhensible)"]}, {"category": "lang_errors", "target": "summary_text", "start": 635, "end": 636, "text": " ", "labels": ["Casse / Ponctuation"]}, {"category": "lang_errors", "...
[{"category": "fact_errors", "target": "summary_text", "start": 1529, "end": 1548, "text": "Nous proposons nous", "labels": ["Autre erreur"]}, {"category": "fact_errors", "target": "summary_text", "start": 2263, "end": 2281, "text": "ces dix pourcents ", "labels": ["Autre erreur"]}, {"category": "fact_errors", "target"...
[]
5ef10e2620b44f2ee5b0d859f5ee0d24
Fredsum
P2 : C'était le premier grand thème de cette émission, c'est maintenant ça a été un thème de friction ces derniers jours, quelle mesure pour protéger le pouvoir d'achat des français ? Parlons justement des carburants, la hausse des prix des carburants se poursuit au-delà de 2 euros, on sait bien que la ristourne de 18 ...
b1ce3cfdce84a8fbf5de1b3832d64aa9
ner_clust
Parlons justement des carburants, la hausse des prix des carburants se poursuit au-delà de 2 euros, on sait bien que la ristourne de 18 centimes par litre en vigueur aujourd'hui ne sera pas éternelle Gabriel Attal, que proposez-vous pour la suite? GA : D'abord merci de rappeler qu'on a beaucoup agi pour limiter l'envo...
7
expert_native_speaker
272
2
2
1
5
1
[{"category": "lang_errors", "target": "summary_text", "start": 314, "end": 323, "text": "l'envoler", "labels": ["Orthographe (mot courant)"]}, {"category": "lang_errors", "target": "summary_text", "start": 348, "end": 349, "text": " ", "labels": ["Casse / Ponctuation"]}, {"category": "lang_errors", "target": "summary_...
[]
[]
5ef10e2620b44f2ee5b0d859f5ee0d24
Fredsum
P2 : C'était le premier grand thème de cette émission, c'est maintenant ça a été un thème de friction ces derniers jours, quelle mesure pour protéger le pouvoir d'achat des français ? Parlons justement des carburants, la hausse des prix des carburants se poursuit au-delà de 2 euros, on sait bien que la ristourne de 18 ...
b1ce3cfdce84a8fbf5de1b3832d64aa9
ner_clust
Parlons justement des carburants, la hausse des prix des carburants se poursuit au-delà de 2 euros, on sait bien que la ristourne de 18 centimes par litre en vigueur aujourd'hui ne sera pas éternelle Gabriel Attal, que proposez-vous pour la suite? GA : D'abord merci de rappeler qu'on a beaucoup agi pour limiter l'envo...
5
expert_native_speaker
332
3
2
1
5
1
[{"category": "lang_errors", "target": "summary_text", "start": 199, "end": 200, "text": " ", "labels": ["Casse / Ponctuation"]}, {"category": "lang_errors", "target": "summary_text", "start": 314, "end": 324, "text": "l'envoler ", "labels": ["Orthographe (mot courant)"]}, {"category": "lang_errors", "target": "summary...
[{"category": "fact_errors", "target": "summary_text", "start": 4161, "end": 4179, "text": "le paquet de pâtes", "labels": ["Autre erreur"]}, {"category": "fact_errors", "target": "summary_text", "start": 4311, "end": 4335, "text": "c'est un double scandale", "labels": ["Autre erreur"]}]
[]
5ef10e2620b44f2ee5b0d859f5ee0d24
Fredsum
P2 : C'était le premier grand thème de cette émission, c'est maintenant ça a été un thème de friction ces derniers jours, quelle mesure pour protéger le pouvoir d'achat des français ? Parlons justement des carburants, la hausse des prix des carburants se poursuit au-delà de 2 euros, on sait bien que la ristourne de 18 ...
d24456c66f41ec0f641ba0e788132738
text_rank
On a mis en place des mesures avec notamment la ristourne carburant que vous évoquez, à laquelle va succéder un dispositif de soutien encore plus massif et ciblé pour ce qu'on appelle, j'aime pas trop ce terme les gros rouleurs, mais on pourrait dire les gros bosseurs, c'est-à-dire ceux qui doivent utiliser leur voitur...
6
expert_native_speaker
282
2
2
1
2
1
[{"category": "lang_errors", "target": "summary_text", "start": 308, "end": 321, "text": " leur voiture", "labels": ["Accord / Conjugaison"]}, {"category": "lang_errors", "target": "summary_text", "start": 457, "end": 459, "text": "ça", "labels": ["Syntaxe (phrase incompréhensible)"]}, {"category": "lang_errors", "targ...
[{"category": "fact_errors", "target": "summary_text", "start": 1886, "end": 1901, "text": "la crise Covid ", "labels": ["Autre erreur"]}, {"category": "fact_errors", "target": "summary_text", "start": 2205, "end": 2224, "text": "le paquet de pâtes,", "labels": ["Autre erreur"]}, {"category": "fact_errors", "target": "...
[]
5ef10e2620b44f2ee5b0d859f5ee0d24
Fredsum
P2 : C'était le premier grand thème de cette émission, c'est maintenant ça a été un thème de friction ces derniers jours, quelle mesure pour protéger le pouvoir d'achat des français ? Parlons justement des carburants, la hausse des prix des carburants se poursuit au-delà de 2 euros, on sait bien que la ristourne de 18 ...
d24456c66f41ec0f641ba0e788132738
text_rank
On a mis en place des mesures avec notamment la ristourne carburant que vous évoquez, à laquelle va succéder un dispositif de soutien encore plus massif et ciblé pour ce qu'on appelle, j'aime pas trop ce terme les gros rouleurs, mais on pourrait dire les gros bosseurs, c'est-à-dire ceux qui doivent utiliser leur voitur...
7
expert_native_speaker
305
2
2
1
5
1
[{"category": "lang_errors", "target": "summary_text", "start": 184, "end": 201, "text": " j'aime pas trop ", "labels": ["Syntaxe (phrase incompréhensible)"]}, {"category": "lang_errors", "target": "summary_text", "start": 544, "end": 545, "text": " ", "labels": ["Casse / Ponctuation"]}, {"category": "lang_errors", "ta...
[]
[]
5ef10e2620b44f2ee5b0d859f5ee0d24
Fredsum
"P2 : C'était le premier grand thème de cette émission, c'est maintenant ça a été un thème de(...TRUNCATED)
d24456c66f41ec0f641ba0e788132738
text_rank
"On a mis en place des mesures avec notamment la ristourne carburant que vous évoquez, à laquelle (...TRUNCATED)
5
expert_native_speaker
355
2
2
2
5
1
"[{\"category\": \"lang_errors\", \"target\": \"summary_text\", \"start\": 185, \"end\": 200, \"text(...TRUNCATED)
"[{\"category\": \"fact_errors\", \"target\": \"summary_text\", \"start\": 2205, \"end\": 2223, \"te(...TRUNCATED)
[]
5ef10e2620b44f2ee5b0d859f5ee0d24
Fredsum
"P2 : C'était le premier grand thème de cette émission, c'est maintenant ça a été un thème de(...TRUNCATED)
a2bf1d086d8beca03f2b740959365a3c
qwen3-8b
"Le thème principal de l’émission est le pouvoir d’achat des Français, notamment face à la h(...TRUNCATED)
6
expert_native_speaker
283
5
5
5
5
5
[]
[]
[]
End of preview. Expand in Data Studio

CoRAFIG — Phase 1 (Annotator Calibration)

CoRAFIG (Corpus de Résumés Automatiques Francophones Inter-Genres) is a French human-annotated corpus for evaluating automatic summarization quality across multiple domains. It is developed in the framework of the RAFFAL project (DGA / AMU / ChapsVision / AgroParisTech), inspired by the SummEval benchmark.

This dataset contains Phase 1, which served as the annotator calibration phase: 20 source documents were summarized by 10 automatic systems and evaluated by expert annotators to align annotation practices before the main annotation campaign.

Dataset at a Glance

Documents 15
Summaries 120 (15 docs × 8 systems on average)
Annotations 360
Annotators 6 (expert native speakers)
Systems 10 (see below)
Language French
Domain Multi-genre (news, legal, financial, research, audio)

Annotation Dimensions

Each summary is rated on a 1–5 scale across 5 quality criteria:

Criterion Description
quality_criterion_1_fluency Grammatical and syntactic correctness
quality_criterion_2_readability Ease of reading and natural flow
quality_criterion_3_coherence Internal logical consistency of the summary
quality_criterion_4_consistency-factuality Factual alignment with the source document
quality_criterion_5_relevance Coverage of the key information from the source

In addition, annotators tagged error spans within the summary text with one of three categories:

  • lang_errors — linguistic errors (grammar, spelling, agreement, etc.)
  • fact_errors — factual inconsistencies with the source
  • source_reference — references that are unsupported by or contradictory to the source

Automatic Systems

10 summarization systems were evaluated:

System Type
gpt-4o LLM (OpenAI)
mistral-small LLM (Mistral AI)
qwen3-32b LLM (Alibaba)
qwen3-8b LLM (Alibaba)
barthez Fine-tuned encoder-decoder (French BART)
mbart Fine-tuned multilingual BART
text_rank Extractive (TextRank)
clust Extractive (clustering-based)
ner Extractive (NER-guided)
ner_clust Extractive (NER + clustering)

Note: Phase 1 includes barthez and mbart which were dropped in Phase 2.

Data Structure

The dataset follows a nested JSON hierarchy:

documents[]
  └── document_id, source_text
  └── summaries[]
        └── summary_id, technology, summary_text
        └── annotations[]
              └── annotator_id, annotator_level, annotation_id
              └── ratings: {criterion_1..5}
              └── labels: [{category, start, end, text, labels}]
              └── notes: {source_reading_time, summary_reading_time, annotation_time}

Usage

import json
from datasets import load_dataset

# Option A — raw JSON
with open("data/delivery_enriched--20260403-131206.json") as f:
    data = json.load(f)

for doc in data["documents"]:
    source = doc["source_text"]
    for summary in doc["summaries"]:
        system = summary["technology"]
        for ann in summary["annotations"]:
            ratings = ann["ratings"]
            labels = ann["labels"]  # error spans

Relation to Phase 2

This Phase 1 dataset is the calibration set. The main annotation campaign is CoRAFIG Phase 2, targeting ~3,000 annotations across 100 documents.

Source Corpora

Documents were drawn from five existing French summarization corpora:

  • News: MLSUM (Scialom et al., EMNLP 2020)
  • Legal: EUR-Lex-Sum (Aumiller et al., EMNLP 2022)
  • Financial: CoFiF-Plus (Moro et al., TSAR 2022)
  • Research: HAL open archive (hal.science)
  • Audio: FREDSum (Kante et al., EACL 2023)

License

Creative Commons Attribution 4.0 International (CC BY 4.0)

Downloads last month
67