clemNova/lucid-rag-ondevice

---

🎯 En bref

Ce dataset alimente le RAG embarqué de LUCID, une application d'étude mobile. L'IA locale — de petits modèles quantifiés tournant directement sur le téléphone — s'appuie sur ces chapitres pour ancrer ses quiz, son tutorat et ses fiches sur le contenu réel des programmes, et non sur ses seules connaissances internes.

Pourquoi c'est différent — au lieu d'un modèle qui invente une réponse plausible, LUCID récupère le passage de cours pertinent et génère à partir de lui. Résultat : moins d'hallucinations, des quiz réellement alignés sur ce que l'élève étudie.

L'application télécharge le corpus par niveau, à la demande (le complet pèse 38 Mo) : elle reste légère et fonctionne hors-ligne une fois le niveau récupéré.

---

📊 Le corpus en un coup d'œil

De la 6ᵉ à la Terminale, dix matières — des sciences aux langues vivantes en passant par la philosophie de Terminale.

---

🗂️ Structure des données

Un fichier JSON par niveau, textbook_dataset_<NIVEAU>.json, contenant un tableau d'objets :

{
  "id": "llsh_15762652",
  "title": "Le verbe",
  "subject": "FRANCAIS",
  "content": "# Le verbe\nLe verbe est le noyau de la phrase…",
  "source": "lelivrescolaire.fr (CC BY-SA)"
}

Champ	Description
id	Identifiant stable (le préfixe indique la source)
title	Titre du chapitre
subject	Matière canonique — MATHS, FRANCAIS, HISTOIRE, GEOGRAPHIE, PHYSIQUE, SVT, PHILO, ANGLAIS, ESPAGNOL, GENERAL
content	Texte du cours en Markdown (titre en en-tête #)
source	Provenance + licence

textbook_version.json porte le manifest de version — taille, nombre de chapitres et empreinte MD5 par niveau — pour ne re-télécharger un niveau que s'il a changé.

Fichier	Niveau
textbook_dataset_6EME.json … TERMINALE.json	6ᵉ → Terminale
textbook_version.json	Manifest (versions + MD5)

---

🚀 Utilisation

Charger un niveau (Python)

from huggingface_hub import hf_hub_download
import json

path = hf_hub_download(
    repo_id="clemNova/lucid-rag-ondevice",
    filename="textbook_dataset_3EME.json",
    repo_type="dataset",
)
chapters = json.load(open(path, encoding="utf-8"))
print(len(chapters), "chapitres de 3ᵉ")

Le pipeline RAG on-device, étape par étape

chapitre ──▸ découpage en passages (~900 caractères, aux frontières de phrases)
         ──▸ index hybride : BM25 (lexical) + embeddings (sémantique)
         ──▸ requête de l'élève : fusion RRF ▸ meilleurs passages
         ──▸ injection budgétée dans le prompt d'un petit LLM local
         ──▸ quiz · tuteur · fiche, ancrés sur le cours

Conçu pour des modèles ≤ 4 B quantifiés (Gemma, Qwen, LFM2…) via llama.cpp / llama.rn, avec fusion possible du corpus personnel de l'élève (ses propres cours) en priorité de récupération.

---

📚 Sources & licence

Contenus agrégés depuis des ressources libres sous licence CC BY-SA :

Source	Rôle	Licence
lelivrescolaire.fr	Manuels collaboratifs — l'essentiel du corpus	CC BY-SA
Wikipédia · Vikidia · Wikiversité	Compléments notionnels	CC BY-SA

Chaque chapitre porte un champ source. Conformément à CC BY-SA 4.0, ce dataset dérivé est redistribué sous la même licence, et l'attribution des sources est obligatoire pour toute réutilisation, y compris commerciale.

⚠️ Les extraits d'œuvres littéraires cités dans certains chapitres de français restent soumis au droit d'auteur de leurs auteurs respectifs — la licence CC du manuel ne couvre pas ces citations.

---

🔖 Citation

@misc{lucid_rag_ondevice_2026,
  title  = {LUCID · RAG On-Device — corpus de manuels scolaires français},
  author = {Équipe LUCID},
  year   = {2026},
  url    = {https://huggingface.co/datasets/clemNova/lucid-rag-ondevice},
  note   = {CC BY-SA 4.0}
}

_{Construit pour LUCID — IA éducative embarquée, privée par conception.}