INPI-France/FR-Patent-2020-2026-Raw

---
configs:
- config_name: default
data_files:
- split: train
path:
- "train-00000.parquet"
- "train-00001.parquet"
- "train-00002.parquet"
- "train-00003.parquet"
- "train-00004.parquet"
- "train-00005.parquet"
- "train-00006.parquet"
- "train-00007.parquet"
- "train-00008.parquet"
- "train-00009.parquet"
- "train-00010.parquet"
- "train-00011.parquet"
- "train-00012.parquet"
- "train-00013.parquet"
- "train-00014.parquet"
- "train-00015.parquet"
- "train-00016.parquet"
- "train-00017.parquet"
- "train-00018.parquet"
- "train-00019.parquet"
- "train-00020.parquet"
- "train-00021.parquet"
- "train-00022.parquet"
- "train-00023.parquet"
- "train-00024.parquet"
- "train-00025.parquet"
- "train-00026.parquet"
- "train-00027.parquet"
- "train-00028.parquet"
- "train-00029.parquet"
- "train-00030.parquet"
- "train-00031.parquet"
- "train-00032.parquet"
- "train-00033.parquet"
- "train-00034.parquet"
- "train-00035.parquet"
- "train-00036.parquet"
- "train-00037.parquet"
- "train-00038.parquet"
- "train-00039.parquet"
- "train-00040.parquet"
- "train-00041.parquet"
- "train-00042.parquet"
- "train-00043.parquet"
- "train-00044.parquet"
- "train-00045.parquet"
- "train-00046.parquet"
- "train-00047.parquet"
- "train-00048.parquet"
- "train-00049.parquet"
- "train-00050.parquet"
- "train-00051.parquet"
- "train-00052.parquet"
- "train-00053.parquet"
- "train-00054.parquet"
- "train-00055.parquet"
- "train-00056.parquet"
- "train-00057.parquet"

---

# 🇫🇷 Brevets français 2020–2026 — RAW 🇫🇷

Dataset de **brevets français publiés entre 2020 et 2026**, extrait depuis les XML d’origine, avec **un document = une ligne** (texte complet).

Format : **Parquet**, prêt pour chargement streaming / distribué.

---

## Source

Données issues de **documents publics de brevets français (A1)**.
Extraction réalisé de manière indépendante grâce à un accès aux **API / FTP PI** (sur demande à l’INPI).

---

## Génération

- **468 000 fichiers XML**

---

## Notes

- texte complet, non tronqué
- pas de réécriture sémantique
- pas de segmentation interne
- dataset orienté **long-context / compute**

---

## Licence

Apache 2.0

En cas de confusion liée au nom ou à la présentation du dataset ou de l’organisation,
**les éléments concernés pourront être modifiés**.