chunk_id string | doc_id string | chunk_index int32 | chunk_xxh64 string | category string | content_type string | title string | number string | wording string | creation_date string | article_number int32 | article_title string | article_synthesis string | text string | chunk_text string | embeddings_bge-m3 string |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
JORFDOLE000017758130_1 | JORFDOLE000017758130 | 1 | 9ba9906250fd2066 | LOI_PUBLIEE | article | LOI n° 2008-496 du 27 mai 2008 portant diverses dispositions d'adaptation au droit communautaire dans le domaine de la lutte contre les discriminations | 13 | XIIIème législature | 2008-05-28 | 11 | null | null | Article 11
A l'exception des articles 6, 7 et 9, les dispositions de la présente loi sont applicables en Nouvelle-Calédonie, en Polynésie française, dans les îles Wallis et Futuna et dans les Terres australes et antarctiques françaises dans toutes les matières que la loi organique ne réserve pas à la compétence de le... | LOI n° 2008-496 du 27 mai 2008 portant diverses dispositions d'adaptation au droit communautaire dans le domaine de la lutte contre les discriminations
Article 11
A l'exception des articles 6, 7 et 9, les dispositions de la présente loi sont applicables en Nouvelle-Calédonie, en Polynésie française, dans les îles Wal... | [0.020105775,0.027510272,-0.0015956783,0.0054938067,-0.03542795,-0.056633405,0.03977168,-0.004439949,-0.017805615,0.00049628684,-0.0021077157,0.0061032115,-0.030186154,0.0041673207,-0.0066438867,-0.012737934,0.008288821,0.0062910733,-0.03330191,-0.018126355,-0.029159788,-0.033631813,-0.023533104,0.013920087,-0.01520304... |
JORFDOLE000017758131_1 | JORFDOLE000017758131 | 1 | 3eb04af385514f62 | LOI_PUBLIEE | article | Loi n° 2008-595 du 25 juin 2008 relative aux organismes génétiquement modifiés | 13 | XIIIème législature | 2008-06-25 | 13 | null | null | Article 13
Les dispositions prévues au dernier alinéa de l'article L. 533-3 du code de l'environnement entrent en vigueur au 1erjanvier 2009.
Les autorisations de dissémination volontaire à toute autre fin que la mise sur le marché délivrées avant le 1erjanvier 2009 pour des organismes présentant les caractéristiq... | Loi n° 2008-595 du 25 juin 2008 relative aux organismes génétiquement modifiés
Article 13
Les dispositions prévues au dernier alinéa de l'article L. 533-3 du code de l'environnement entrent en vigueur au 1erjanvier 2009.
Les autorisations de dissémination volontaire à toute autre fin que la mise sur le marché déli... | [-0.019841855,0.020508053,-0.0023969575,0.0022844241,-0.051675253,-0.09434784,-0.0021190003,0.008831606,-0.007233635,0.013188892,0.00037839293,-0.014080156,-0.050126795,0.010136992,-0.045589454,0.004685883,-0.038855467,0.0044540646,-0.021750418,0.033165786,-0.063450724,-0.061326098,0.028520416,0.012324638,0.068060085,0... |
JORFDOLE000017758131_2 | JORFDOLE000017758131 | 2 | c3c5aec634d5f70f | LOI_PUBLIEE | article | Loi n° 2008-595 du 25 juin 2008 relative aux organismes génétiquement modifiés | 13 | XIIIème législature | 2008-06-25 | 8 | null | null | IX. - L'article L. 532-5 est ainsi rédigé :
« Art. L. 532-5. - Lorsque l'autorité administrative dispose d'éléments d'information qui pourraient remettre en cause l'évaluation des risques pour l'environnement et la santé publique liés à l'utilisation confinée, elle peut :
« 1° Soumettre à agrément l'utilisation dé... | Loi n° 2008-595 du 25 juin 2008 relative aux organismes génétiquement modifiés
Article 8:
IX. - L'article L. 532-5 est ainsi rédigé :
« Art. L. 532-5. - Lorsque l'autorité administrative dispose d'éléments d'information qui pourraient remettre en cause l'évaluation des risques pour l'environnement et la santé publiq... | [0.019733246,0.0005218373,-0.04173768,0.023884675,-0.026826046,-0.10447451,-0.023046942,0.028389813,-0.01991941,0.016363703,-0.040211145,0.0018290486,-0.04512584,-0.012109884,-0.025615988,-0.023121407,-0.035352297,-0.0024550208,-0.030772695,0.0022130092,-0.04762042,-0.06314639,0.028166417,0.007032296,0.04642898,0.03017... |
JORFDOLE000017758132_1 | JORFDOLE000017758132 | 1 | c684e816a5016da6 | LOI_PUBLIEE | article | LOI n° 2008-111 du 8 février 2008 pour le pouvoir d'achat | 13 | XIIIème législature | 2008-02-09 | 5 | null | null | Article 5
I. - Au premier alinéa de l'article 22 de la loi n° 89-462 du 6 juillet 1989 tendant à améliorer les rapports locatifs et portant modification de la loi n° 86-1290 du 23 décembre 1986, les mots : « deux mois » sont remplacés par les mots : « un mois ».
II. - Les dispositions du présent article sont applic... | LOI n° 2008-111 du 8 février 2008 pour le pouvoir d'achat
Article 5
I. - Au premier alinéa de l'article 22 de la loi n° 89-462 du 6 juillet 1989 tendant à améliorer les rapports locatifs et portant modification de la loi n° 86-1290 du 23 décembre 1986, les mots : « deux mois » sont remplacés par les mots : « un mois ... | [-0.026447223,0.020570064,-0.010534533,0.01624536,-0.017178683,-0.037148092,-0.010802518,0.04605624,-0.0074111368,-0.018888233,0.009268542,-0.0034098623,-0.05075058,0.009684378,-0.022843305,0.0023067396,0.017927188,0.0018874373,0.02336079,0.021826815,-0.03668605,-0.025929738,0.016716642,0.053966384,0.0030332988,-0.0107... |
JORFDOLE000017758133_1 | JORFDOLE000017758133 | 1 | 1b0e8b21ef5535ea | LOI_PUBLIEE | article | LOI n° 2008-126 du 13 février 2008 relative à la réforme de l'organisation du service public de l'emploi | 13 | XIIIème législature | 2008-02-14 | 12 | null | null | Article 12
Le code du travail, dans sa rédaction issue de l'ordonnance n° 2007-329 du 12 mars 2007 relative au code du travail (partie législative), est modifié, à compter de la date prévue au premier alinéa du III de l'article 4 de la présente loi et au plus tôt à compter de l'entrée en vigueur de cette ordonnance, a... | LOI n° 2008-126 du 13 février 2008 relative à la réforme de l'organisation du service public de l'emploi
Article 12
Le code du travail, dans sa rédaction issue de l'ordonnance n° 2007-329 du 12 mars 2007 relative au code du travail (partie législative), est modifié, à compter de la date prévue au premier alinéa du III... | [0.008736605,-0.0012328944,-0.021390425,-0.016126959,-0.005880497,-0.02170829,0.027747719,0.038966473,-0.005230744,0.036161784,-0.00065033714,-0.023091935,-0.043266993,-0.006006708,-0.032179125,-0.029935375,0.019576726,-0.018436152,0.00045780698,-0.019576726,-0.04554814,-0.0066377628,-0.012387374,0.047118768,0.02058641... |
JORFDOLE000017758133_2 | JORFDOLE000017758133 | 2 | 6b5dedf81a9a55c5 | LOI_PUBLIEE | article | LOI n° 2008-126 du 13 février 2008 relative à la réforme de l'organisation du service public de l'emploi | 13 | XIIIème législature | 2008-02-14 | 11 | null | null | 23° Le chapitre II du titre Ier du livre III de la cinquième partie est remplacé par les dispositions suivantes :
« Chapitre II
« Placement et accompagnement des demandeurs d'emploi
« Art. L. 5312-1. - Une institution nationale dotée de la personnalité morale et de l'autonomie financière a pour mission de :
« 1° Pr... | LOI n° 2008-126 du 13 février 2008 relative à la réforme de l'organisation du service public de l'emploi
Article 11:
23° Le chapitre II du titre Ier du livre III de la cinquième partie est remplacé par les dispositions suivantes :
« Chapitre II
« Placement et accompagnement des demandeurs d'emploi
« Art. L. 5312-1. ... | [-0.025356779,-0.023668827,-0.03833525,-0.023349993,0.0039619966,0.02591943,-0.0031578755,-0.0045410576,0.0033829357,0.05183886,-0.004653588,-0.017639091,-0.030664448,0.013091,-0.025525574,-0.019139491,0.012218892,-0.02136196,-0.029332843,-0.015154052,-0.07134407,-0.02801999,-0.0076708007,0.05664014,0.02606947,0.031527... |
JORFDOLE000017758133_3 | JORFDOLE000017758133 | 3 | efa182325e44a46e | LOI_PUBLIEE | article | LOI n° 2008-126 du 13 février 2008 relative à la réforme de l'organisation du service public de l'emploi | 13 | XIIIème législature | 2008-02-14 | 11 | null | null | « Au sein de chaque direction régionale, une instance paritaire composée de représentants des employeurs et des salariés désignés par les organisations syndicales d'employeurs et de salariés représentatives au niveau national et interprofessionnel veille à l'application de l'accord d'assurance chômage prévu à l'article... | LOI n° 2008-126 du 13 février 2008 relative à la réforme de l'organisation du service public de l'emploi
Article 11:
« Au sein de chaque direction régionale, une instance paritaire composée de représentants des employeurs et des salariés désignés par les organisations syndicales d'employeurs et de salariés représentati... | [0.00027513373,-0.01808472,-0.044404194,-0.006176067,-0.001572026,0.028252121,-0.010708917,0.029801974,-0.015321127,0.031202443,-0.011810619,-0.026739616,-0.028084066,0.011726591,-0.024984362,-0.04578599,0.011539862,-0.024181426,-0.009028355,-0.006096707,-0.055234484,-0.035217118,0.0019151409,0.06117247,0.034246128,0.0... |
JORFDOLE000017758133_4 | JORFDOLE000017758133 | 4 | 59f81be3b18eb15b | LOI_PUBLIEE | article | LOI n° 2008-126 du 13 février 2008 relative à la réforme de l'organisation du service public de l'emploi | 13 | XIIIème législature | 2008-02-14 | 11 | null | null | 38° A l'article L. 6341-6, les mots : « , aux organismes gestionnaires du régime d'assurance chômage » sont supprimés ;
39° Au deuxième alinéa de l'article L. 8272-1 du code du travail, les mots : « et les organismes gestionnaires du régime d'assurance chômage » sont supprimés. | LOI n° 2008-126 du 13 février 2008 relative à la réforme de l'organisation du service public de l'emploi
Article 11:
38° A l'article L. 6341-6, les mots : « , aux organismes gestionnaires du régime d'assurance chômage » sont supprimés ;
39° Au deuxième alinéa de l'article L. 8272-1 du code du travail, les mots : « et ... | [-0.008442645,-0.0053805695,0.0012700915,-0.046443783,-0.014733061,-0.047995605,0.0062349946,0.031627588,0.010003703,0.012765574,-0.03351194,-0.07530026,-0.036486264,-0.0039673042,-0.014234262,-0.016469624,0.026454851,-0.026288586,-0.007823763,0.014899328,-0.019896561,-0.031609114,-0.024478128,0.022372086,-0.00314059,0... |
JORFDOLE000017758135_1 | JORFDOLE000017758135 | 1 | b2de4ab620e25166 | LOI_PUBLIEE | article | LOI n° 2008-174 du 25 février 2008 relative à la rétention de sûreté et à la déclaration d'irresponsabilité pénale pour cause de trouble mental | 13 | XIIIème législature | 2008-02-25 | 13 | null | null | Article 13
I. - Les articles 1erà 4, 6, 9 et 11 de la présente loi sont applicables dans les îles Wallis et Futuna, en Polynésie française, en Nouvelle-Calédonie et dans les Terres australes et antarctiques françaises.
II. - La présente loi est applicable à Mayotte. | LOI n° 2008-174 du 25 février 2008 relative à la rétention de sûreté et à la déclaration d'irresponsabilité pénale pour cause de trouble mental
Article 13
I. - Les articles 1erà 4, 6, 9 et 11 de la présente loi sont applicables dans les îles Wallis et Futuna, en Polynésie française, en Nouvelle-Calédonie et dans les ... | [0.016028497,0.0056003733,-0.0154524585,-0.007241626,-0.040158104,-0.039499775,0.034452584,0.015525606,-0.011758498,-0.0066381567,-0.02671721,0.030283162,-0.04502243,-0.0040254113,0.012938006,0.007909099,0.03732363,0.026040593,-0.021633442,-0.030850057,-0.015159868,-0.030722048,0.0071547627,-0.00047288867,-0.0005903251... |
JORFDOLE000017758135_2 | JORFDOLE000017758135 | 2 | 4fad90c1d7e774d0 | LOI_PUBLIEE | article | LOI n° 2008-174 du 25 février 2008 relative à la rétention de sûreté et à la déclaration d'irresponsabilité pénale pour cause de trouble mental | 13 | XIIIème législature | 2008-02-25 | 3 | null | null | « Art. 706-131.- En application des dispositions de l'article 371 du présent code et conformément aux dispositions de l'article 489-2 du code civil, la cour, sans l'assistance du jury, statue alors sur les demandes de dommages et intérêts formées par la partie civile.
« Elle prononce s'il y a lieu une ou plusieurs ... | LOI n° 2008-174 du 25 février 2008 relative à la rétention de sûreté et à la déclaration d'irresponsabilité pénale pour cause de trouble mental
Article 3:
« Art. 706-131.- En application des dispositions de l'article 371 du présent code et conformément aux dispositions de l'article 489-2 du code civil, la cour, sans l'... | [-0.022868123,0.007370148,-0.015346439,-0.0051017036,-0.024190616,-0.010699342,0.00050655415,0.026339669,-0.0028952511,0.009243681,-0.020333342,0.04125446,-0.0497772,0.014446408,-0.009275825,0.0006606729,0.022849753,-0.00043968327,-0.014143337,-0.017109763,-0.03780128,-0.025255958,0.027423378,0.019268,-0.0032970505,0.0... |
📢 Sondage 2026 : Utilisation des datasets publiques de MediaTech
Vous utilisez ce dataset ou d’autres datasets de notre collection MediaTech ? Votre avis compte ! Aidez-nous à améliorer nos datasets publiques en répondant à ce sondage rapide (5 min) : 👉 https://grist.numerique.gouv.fr/o/albert/forms/gF4hLaq9VvUog6c5aVDuMw/11 Merci pour votre contribution ! 🙌
🇫🇷 French Legislative Dossiers Dataset (DOLE)
This dataset provides a semantic-ready, chunked and embedded version of the Dossiers Législatifs ("DOLE") published by the French government. It includes all laws promulgated since the XIIᵉ legislature (June 2002), ordinances, and legislative proposals under preparation. The original data is downloaded from the dedicated DILA open data repository and is also published on data.gouv.fr.
Each article is chunked and vectorized using the BAAI/bge-m3 embedding model, enabling use in semantic search, retrieval-augmented generation (RAG), and legal research systems for example.
🗂️ Dataset Contents
The dataset is available in Parquet format and contains the following columns:
| Column Name | Type | Description |
|---|---|---|
chunk_id |
str |
Unique identifier for each chunk. |
doc_id |
str |
Document identifier from the source site. |
chunk_index |
int |
Index of the chunk within its original document. Starting from 1. |
chunk_xxh64 |
str |
XXH64 hash of the chunk_text value. |
category |
str |
Type of dossier (e.g., LOI_PUBLIEE, PROJET_LOI, etc.). |
content_type |
str |
Nature of the content: article, dossier_content, or explanatory_memorandum. |
title |
str |
Title summarizing the subject matter. |
number |
str |
Internal document number. |
wording |
str |
Libelle, Legislature reference (e.g., XIVème législature). |
creation_date |
str |
Creation or publication date (YYYY-MM-DD). |
article_number |
int or null |
Article number if applicable. |
article_title |
str or null |
Optional title of the article. |
article_synthesis |
str or null |
Optional synthesis of the article. |
text |
str or null |
Text content of the explanatory_memorandum, article or file content (contenu du dossier) chunk. |
chunk_text |
str |
Concatenated text (title + article_text or related content). |
embeddings_bge-m3 |
str |
Embedding vector of chunk_text using BAAI/bge-m3, stored as JSON string. |
🛠️ Data Processing Methodology
🧩 1. Content Extraction
Each dossier législatif was parsed, processed and standardized from his official XML structure. Metadata, article blocks, and explanatory sections were normalized into a unified schema. Specific rules applied per content type:
explanatory_memorandum: Includes the explanatory's introduction only. All articles synthesis that are in the explanatory are split by theirarticle_numberand added toarticle_synthesis. Article fields arenull. An explanatory memorandum (exposé des motifs) is an official text that accompanies a draft or proposed law. It is used to explain the reasons why the law is being proposed, the context in which it is set, and the objectives pursued by the legislator.dossier_content: Includes dossier's textual content if the split by article didn't work. The split may not work if there is no mention of article numbers in the dossier content or if the code was not adapted to a specific case in which the split wasn't possible. Article metadata fields arenull.article: Structured content, wherearticle_numberandtextare always present.article_titleandarticle_synthesismay be missing.Basic fields:
doc_id(cid),category,title,number,wording,creation_date, were taken directly from the source XML file.Generated fields:
chunk_id: A unique hash for each text chunk.chunk_index: Indicates the order of a chunk within a same deliberation.chunk_xxh64: is the xxh64 hash of thechunk_textvalue. It is useful to determine if thechunk_textvalue has changed from a version to another.content_type: Nature of the content.article_number: Number of the article. Available only ifcontent_typeisarticle.article_title: Title of the article. Available only ifcontent_typeisarticle.article_synthesis: Synthesis of the article extracted from the explanatory memorandum. Available only ifcontent_typeisarticle.
Textual fields:
text: Chunk of the main text content. It can be an article text content extracted from the dossier content, a chunk of the explanatory memorandum's introduction or a chunk from the dossier content.chunk_text: Combinestitleand the maintextbody to maximize embedding relevance. Ifcontent_typeisarticle, then the article number is also added.
✂️ 2. Chunk Generation
A chunk_text was built by combining the title, the article_number if applicable and its corresponding text content section.
Chunking ensures semantic granularity for embedding purposes.
No recursive split was necessary as legal articles and memos are inherently structured and relatively short for content_type = article.
If needed, the Langchain's RecursiveCharacterTextSplitter function was used to make these chunks (text value). The parameters used are :
chunk_size= 8000chunk_overlap= 0length_function= len
🧠 3. Embeddings Generation
Each chunk_text was embedded using the BAAI/bge-m3 model.
The resulting embedding vector is stored in the embeddings_bge-m3 column as a string, but can easily be parsed back into a list[float] or NumPy array.
🎓 Tutorials
🔄 1. The chunking doesn't fit your use case?
If you need to reconstitute the original, un-chunked dataset, you can follow this tutorial notebook available on our GitHub repository.
⚠️ The tutorial is only relevant for datasets that were chunked without overlap.
🤖 2. How to load MediaTech's datasets from Hugging Face and use them in a RAG pipeline ?
To learn how to load MediaTech's datasets from Hugging Face and integrate them into a Retrieval-Augmented Generation (RAG) pipeline, check out our step-by-step RAG tutorial available on our GitHub repository !
📌 3. Embedding Use Notice
⚠️ The embeddings_bge-m3 column is stored as a stringified list of floats (e.g., "[-0.03062629,-0.017049594,...]").
To use it as a vector, you need to parse it into a list of floats or NumPy array.
Using the datasets library:
import pandas as pd
import json
from datasets import load_dataset
# The Pyarrow library must be installed in your Python environment for this example. By doing => pip install pyarrow
dataset = load_dataset("AgentPublic/dole")
df = pd.DataFrame(dataset['train'])
df["embeddings_bge-m3"] = df["embeddings_bge-m3"].apply(json.loads)
Using downloaded local Parquet files:
import pandas as pd
import json
# The Pyarrow library must be installed in your Python environment for this example. By doing => pip install pyarrow
df = pd.read_parquet(path="dole-latest/") # Assuming that all parquet files are located into this folder
df["embeddings_bge-m3"] = df["embeddings_bge-m3"].apply(json.loads)
You can then use the dataframe as you wish, such as by inserting the data from the dataframe into the vector database of your choice.
🐱 GitHub repository :
The project MediaTech is open source ! You are free to contribute or see the complete code used to build the dataset by checking the GitHub repository
📚 Source & License
🔗 Source:
📄 License:
Open License (Etalab) — This dataset is publicly available and reusable under the Etalab open license.
- Downloads last month
- 174