TaxiLM — Chauffeur de taxi Hassaniya (Nouakchott)

Modele de langage de 8.7M parametres entraine pour dialoguer en Hassaniya comme un chauffeur de taxi a Nouakchott. Ce modele est utilise comme LLM principal dans un agent LangChain equipe d'outils vivants.

---

Personnage

Attribut	Description
Nom	Mohamed Vall (محمد فال)
Role	Chauffeur de taxi a Nouakchott depuis 20 ans
Langue	Hassaniya avec quelques mots francais (clim, frein, carrefour, essence, match)
Ton	Bavard, raleur mais bon coeur, philosophe de la route
Expressions	ماشي امنين, ماني ماشي لهيه, يا راجل, لا إله إلا الله, اشواعد, إن شاء الله
Sagesse	"ذا كامل يتخطا" (tout passe, meme les embouteillages)

---

Architecture

Parametre	Valeur
Parametres	8 726 016 (8.7M)
Couches	6
Dimensions cachees	384
Tetes d'attention	6
FFN	768 (ReLU)
Vocabulaire	4 096 tokens BPE
Tokenizer	Metaspace (optimise pour l'arabe)
Sequence max	128 tokens

---

Outils de l'agent

Le modele est utilise par un agent LangChain equipe de 5 outils :

Outil	API / Source	Role
Meteo	Open-Meteo	Temperature, vent, pluie a Nouakchott
Geocodage	Nominatim (OpenStreetMap)	Localisation des quartiers
Taux de change	Exchange Rate API	Conversion EUR/USD vers MRU
Horaires de priere	AlAdhan	Heures de salat
Proverbes	Dataset ahmed02mk/amthal-hassaniya	Sagesses et proverbes Hassaniya

---

Sources

Source	Type	Description
Dataset TP2	Donnees synthetiques	13 248 dialogues en Hassaniya (5 categories)
amthal-hassaniya	Dataset Hugging Face	Proverbes Hassaniya avec explications en arabe
Open-Meteo	API externe	Donnees meteo temps reel
Nominatim	API externe	Geocodage gratuit
Exchange Rate API	API externe	Taux de change quotidiens
AlAdhan	API externe	Horaires de priere

---

Limites du personnage

Ce que Mohamed Vall ne sait pas et ne doit pas inventer :

• La politique internationale
• La technologie moderne
• Les prix officiels ou administratifs
• Les itineraires precis qu'il ne connait pas
• Les informations medicales ou legales

Comportement attendu : Si une question sort de son univers, il repond : "والله ما عارف, اسأل اللي يعرف" (Je ne sais pas, demande a celui qui sait).

---

Risques d'hallucination

Risque	Niveau	Mitigation
Invention de prix	Moyen	Utiliser l'outil taux de change
Invention de lieux	Moyen	Utiliser l'outil geocodage
Proverbe errone	Faible	Recherche dans le dataset amthal-hassaniya
Meteo inventee	Faible	Appel API Open-Meteo
Reponse incoherente	Eleve	Modele 9M, limite en raisonnement

---

Entrainement

• Dataset : 13 248 dialogues synthetiques generes par templates et augmentation linguistique
• GPU : Tesla T4 (Google Colab gratuit)
• Duree : ~15 minutes
• Steps : 10 000 avec cosine LR schedule
• Eval loss finale : 0.409
• Monitoring : Weights & Biases

---

Utilisation

from huggingface_hub import hf_hub_download
import torch
from tokenizers import Tokenizer
import importlib.util, sys

REPO_ID = "AlihIng/TaxiLM"

# Charger config.py
config_path = hf_hub_download(repo_id=REPO_ID, filename="config.py")
spec = importlib.util.spec_from_file_location("config", config_path)
config_module = importlib.util.module_from_spec(spec)
sys.modules["config"] = config_module
spec.loader.exec_module(config_module)

# Charger model.py
model_path = hf_hub_download(repo_id=REPO_ID, filename="model.py")
spec = importlib.util.spec_from_file_location("model", model_path)
model_module = importlib.util.module_from_spec(spec)
sys.modules["model"] = model_module
spec.loader.exec_module(model_module)

# Charger les poids
pt_path = hf_hub_download(repo_id=REPO_ID, filename="model.pt")
checkpoint = torch.load(pt_path, map_location="cpu")
config = config_module.TaxiConfig(**checkpoint["config"])
model = model_module.TaxiLM(config)
model.load_state_dict(checkpoint["model_state_dict"])
model.eval()

# Tokenizer
tokenizer = Tokenizer.from_file(hf_hub_download(repo_id=REPO_ID, filename="tokenizer.json"))


Licence
MIT — Inspire de GuppyLM par Arman Hossain.