Lagos, Nigéria · Douala, Cameroun
Les données que personne n'a licenciées.
Texa Data est une maison d'approvisionnement. Nous trouvons la matière que personne n'a jamais licenciée — arrières-catalogues de radio et de podcasts, fonds de cinéma et de documentaire, archives documentaires d'entreprise, données immobilières et institutionnelles — nous la libérons actif par actif, nous la nettoyons, nous l'annotons, et nous la livrons aux entreprises qui achètent des données. Là où la matière n'existe pas du tout, nous allons la produire.
Deux absences ici : ce que personne n'a libéré, et ce que personne n'a filmé.
Le texte public s'épuise et les laboratoires sont passés à la concession de licences. Mais ce marché s'est organisé autour d'archives déjà représentées : fonds audiovisuels, arrières-catalogues d'éditeurs, catalogues de studios, tous pourvus d'un agent. L'Afrique de l'Ouest et centrale possède des décennies de radio, d'antenne ouverte, de télévision et de cinéma, et pas un seul agrégateur ne les travaille. Et au-delà de la bande, il existe des milieux de travail où personne n'a jamais braqué de caméra. Aucune de ces deux absences ne tient à l'accès. Toutes deux tiennent à un travail que personne n'a fait.
- 12 628heures
Le plus grand jeu de données vocales multimodales africaines validé, couvrant quarante langues à lui seul.
African Languages Lab, 2026
- 88pour cent
Des langues africaines sont classées comme gravement sous-représentées ou entièrement ignorées en linguistique computationnelle.
Voice of a Continent, arXiv 2505.18436
- 395millions
De locuteurs des huit langues sur lesquelles nous travaillons, face à un corpus commercial sous licence qui est, en pratique, nul.
Estimations de locuteurs, toutes variétés
Ce qui est déjà ouvert — et ce que cela ne couvre pas.
Trois corpus parus en 2026 touchent directement à cet argument, et un acheteur qui les a lus les soulèvera, que nous le fassions ou non. Nous les soulevons donc d'abord. Deux sont gratuits, immenses et méritent d'être pris. Aucun ne contient la matière ci-dessous.
- Egocentric-100K
- Build AI · Hugging Face, 2026
- 100 405 heures · 2 010 759 séquencesApache 2.0
- EgoStandard
- Lightwheel · Hugging Face, 2026
- 100 000 heures · plus de 15 000 tâches et scènesOuverte
- Ego4D
- Meta AI, 2022
- 3 670 heures · 923 participants · 74 lieuxUsage commercial restreint
- WAXAL
- Google avec Makerere, l'université du Ghana et Digital Umuganda — février 2026
- Plus de 11 000 heures · ~2 M d'enregistrements · 21 languesOuverte
Sept lignes de production, et nous disons clairement lesquelles sont en stock.
Deux états, indiqués sur chaque ligne. « En stock » signifie qu'une matière libérée ou un programme de captation en cours existe derrière, et que vous pouvez prendre livraison contre une spécification. « Sur mandat » signifie que nous libérons pour votre mandat et que nous ne détenons aucun stock permanent — aucun inventaire, et dans un cas aucun échantillon public, jamais. Un fournisseur qui brouille cette distinction vous demande de la découvrir plus tard.
Une matière qui existe déjà et que personne n'a jamais licenciée. Avance au rythme d'un audit de droits.
Archives africaines libérées — radio, télévision, cinéma
En stockDes décennies de radio, de télévision et de cinéma en langue, dormant dans des fonds qui n'ont jamais été contractés pour l'apprentissage automatique, sur un marché qu'aucun agrégateur ne travaille.
Audio conversationnel en langue
En stockParole spontanée, multi-locuteurs et chevauchée, dans des langues sans corpus commercial sous licence — issue d'archives libérées comme de collecte sur commande.
Une matière qui n'existe pas tant que nous n'allons pas la faire. Avance au rythme d'un cahier des charges.
Captation égocentrée et en conditions réelles
En stockVidéo à la première personne, casque ou torse, produite sur commande dans des milieux de travail que l'on ne peut capter nulle part ailleurs.
Captation instrumentée et multi-capteurs
Sur mandatLe haut de gamme de la donnée incarnée — captation multi-caméras du travail manuel, instrumentée en effort, montée face à un cahier des charges financé.
Données structurées et documentaires, libérées pour un mandat nommé. Sans stock permanent, par conception.
Documents d'entreprise et d'exploitation
Sur mandatArchives d'entreprise, contrats, correspondance, formulaires, manuels techniques et imprimés — la couche documentaire dont les modèles d'extraction et de compréhension de documents sont privés hors d'Europe et d'Amérique du Nord.
Données immobilières et transactionnelles
Sur mandatAnnonces, évaluations, historiques de titres et actes de transaction issus d'agences, de promoteurs et de géomètres-experts — la couche structurée sous l'immobilier urbain africain, qu'aucun jeu de données ne décrit aujourd'hui.
Données institutionnelles et financières anonymisées
Sur mandatDonnées de transaction, de relevé et de grand livre fournies par l'institution qui les détient, anonymisées avant de quitter ses murs, et licenciées pour l'entraînement de modèles sous convention de partage de données.
Collections de référence publiées
Un exemple travaillé par environnement, instruments compris, afin que la norme puisse être inspectée avant toute commande.
Quatre questions déterminent si une donnée est un actif ou un passif.
Les acheteurs de ce marché convergent vers le même test, et la plupart des fournisseurs y échouent discrètement : garanties globales, licences rédigées pour la diffusion et non pour l'entraînement, ayants droit jamais réellement payés. Nous répondons aux quatre par écrit, actif par actif, avant toute livraison.
- 01
Documenté par actif
Chaque ligne du manifeste porte une référence de consentement et une référence de licence renvoyant à un document signé et numérisé. La provenance voyage attachée au fichier, et non dans une garantie séparée.
- 02
Entraînement nommé dans la cession
Entraîner, pré-entraîner, affiner, valider, évaluer et étalonner — modèles génératifs compris — avec faculté de sous-licence sur plusieurs niveaux.
- 03
Productible sur demande
Le consentement est recueilli deux fois : un instrument papier signé et une confirmation verbale filmée, dans la langue du contributeur, sur le même identifiant d'actif.
- 04
Contributeurs réellement payés
Réglés au moment de la captation, avec une référence de paiement liée aux actifs qu'elle couvre. Le partage de revenus, lorsqu'il s'applique, figure dans l'instrument.
Citez n'importe quel identifiant d'actif. Nous produisons l'accord signé correspondant.
Une résolution effectuée en direct dans le registre, non une illustration. Chaque maillon est un enregistrement qu'un auditeur peut ouvrir.
- 01ActifTXA-LAG-EGO-0002Ligne de manifeste à 38 colonnes
- 02ConsentementTXA-AVR-0004Instrument signé et verbal filmé
- 03ContributeurTXA-CTR-0002Ayant droit identifié
- 04LicenceEntraînement concédéSous-licenciable, multi-niveaux
- 05PaiementTXA-PAY-0002₦25,000 · Réglé au moment de la captation
La chaîne tient par la façon dont les personnes qui la composent ont été traitées.
La provenance est un problème de documents en aval et un problème de travail en amont. Un contributeur recruté par un courtier, payé sur la marge d'un tiers, ou informé de la finalité de l'enregistrement seulement après avoir signé, produit un instrument qui ne résistera pas à une lecture attentive menée par qui souhaite le voir céder. Les nôtres sont recrutés en personne par un opérateur qui revient, payés intégralement le jour même à un tarif calé sur le métier filmé, et conservent le titre sur ce qu'ils ont produit.
- 01
- RecrutementLes contributeurs sont recrutés en personne, sur leur propre lieu de travail, par un opérateur qui revient. Ni panel de foule, ni courtier de main-d'œuvre, ni intermédiaire prélevant une marge sur une rémunération que nous fixons.
- 02
- Formation et étalonnageChaque opérateur applique des réglages verrouillés identiques et la même procédure d'annonce, et est étalonné sur un lot de référence avant que sa matière n'entre dans une livraison.
- 03
- Ce qui est réellement payéUne rémunération convenue avant l'enregistrement, calée sur une journée de gain dans le métier filmé, versée intégralement le jour même — que la matière serve un jour ou non.
- 04
- Qui nous ne filmons pasAucun mineur ne contribue. Nous ne recrutons pas par l'intermédiaire d'un employeur qui tirerait bénéfice de la participation d'un travailleur : une rémunération transitant par quelqu'un qui exerce une autorité sur le contributeur n'est pas librement acceptée.
- 05
- Ce que le contributeur conserveLe titre. Nous prenons licence, nous n'achetons pas. Un contributeur peut refuser une catégorie d'usage à la signature ; le refus est consigné sur l'actif plutôt que discuté.
Sourcé, libéré, nettoyé, annoté, livré.
C'est toute l'opération, et elle est énoncée deux fois à chaque étape — une fois pour les médias, une fois pour les données — car nettoyer une bande et nettoyer une table de transactions ne sont pas la même question, et un fournisseur qui donne une seule réponse pour les deux n'a fait ni l'une ni l'autre. L'étape quatre est celle que les acheteurs paient sans jamais l'évoquer en réunion. Elle est écrite ici à la même longueur que les autres.
- 01
Sourcer
Trouver qui détient la matière et entrer dans la pièce. Chaque ligne de ce catalogue commence par une relation, non par un téléchargement.
- Médias
- Directeurs de station, réseaux de podcasts, maisons de production et vidéastes d'événement et de publicité qui détiennent trente ans de vie ordinaire sur bande — approchés en personne à Lagos, Ibadan, Douala et Yaoundé.
- Données et documents
- Institutions, cabinets et détenteurs de fonds, approchés avec un mandat écrit nommant exactement les données recherchées et leur destination. Personne n'est prié de céder des données sur la foi d'une idée.
- 02
Libérer
Reconstituer la chaîne des droits actif par actif et placer un instrument signé derrière chacun. C'est le travail, c'est le coût, et c'est pourquoi cette matière n'a jamais été licenciée auparavant.
- Médias
- Contrats de production lus ligne à ligne, interprètes et contributeurs retracés, musique de tiers et plans d'insert sous licence identifiés et retirés, et une licence signée nommant l'entraînement de modèles dans la cession et autorisant la sous-licence sur plusieurs niveaux.
- Données et documents
- Une convention de partage de données avec l'institution détentrice, un schéma d'anonymisation convenu par écrit avant tout mouvement, et une évaluation au titre de la loi nigériane de 2023 par tranche. Lorsqu'une classe de données ne peut être libérée, la tranche est refusée plutôt que réduite.
- 03
Capter et numériser
Sortir la matière de l'étagère et l'amener à une norme technique unique. L'uniformité prime sur la qualité de pointe : le pipeline d'un acheteur tient bien davantage à ce que tous les fichiers soient identiques qu'au meilleur fichier du lot.
- Médias
- Bandes et pellicules transférées à une norme fixe ; la captation sur commande applique des réglages verrouillés identiques pour tous les opérateurs — une résolution, une cadence, un codec, sans HDR — avec un second angle synchronisé au clap et un micro-cravate sur le sujet.
- Données et documents
- Numérisation 400 ppp couleur, redressée, une page par image, master TIFF avec compilation PDF/A. Les données structurées sont exportées vers un schéma unique, le dictionnaire de données étant rédigé en parallèle plutôt que reconstitué après coup.
- 04
Nettoyer
La moitié ingrate, et celle que l'acheteur paie sans jamais l'évoquer en réunion. La matière arrive hétérogène. Elle repart uniforme, et chaque modification qui lui est apportée est consignée.
- Médias
- Déduplication, suppression des mires et des silences, séparation des canaux lorsque la source le permet, normalisation de la sonie à une cible annoncée, détection des segments corrompus, et métadonnées techniques extraites du conteneur plutôt que saisies à la main.
- Données et documents
- Déduplication, normalisation des champs, conversion des dates et des devises, résolution d'entités entre sources, et rapport de valeurs manquantes et aberrantes livré avec la tranche. Chaque transformation appliquée est journalisée : rien du lot livré n'est inexpliqué ni irreproductible.
- 05
Annoter
La couche qui transforme une matière libérée en donnée d'entraînement. Selon votre schéma si vous en avez un, le nôtre sinon — et le nôtre est publié, non retenu comme moyen de pression.
- Médias
- Transcription avec attribution des locuteurs et alternance codique conservée plutôt qu'effacée ; diarisation et taux de chevauchement ; tâche, intention, objets manipulés, minutage des étapes et événements d'échec — y compris le raisonnement derrière un changement de méthode, la couche la plus rare que nous produisions.
- Données et documents
- Régions de page et ordre de lecture, structure des tableaux, tampons et écriture manuscrite signalés, extraction d'entités et de champs, et validation du schéma sur chaque ligne avant son admission dans une livraison.
- 06
Livrer
Un format, une arborescence, les droits déjà attachés. Votre coût d'ingestion est notre contrainte de conception, non une considération que nous vous laissons absorber.
- Médias
- Manifeste, annotations, dossier de droits, fiche de données, copies de travail dimensionnées pour un seul téléchargement et masters à l'acceptation — par URL signée, livraison sur bucket ou support physique.
- Données et documents
- Manifeste, dictionnaire de données, journal des transformations, dossier de droits et fiche de données, en Parquet, CSV ou JSONL selon le schéma que vous indiquez.
Un corridor, deux systèmes linguistiques, un seul opérateur.
La plupart des fournisseurs qui atteignent l'Afrique atteignent l'Afrique anglophone. Texa est fondée sur les deux — immatriculée au Nigéria et basée à Lagos, avec le réseau personnel du fondateur qui traverse le Cameroun francophone. C'est pourquoi le corridor ci-dessous constitue un plan opérationnel unique et non deux marchés sans rapport.
Écoutez-le, lisez-le, téléchargez-le — avant d'écrire à quiconque.
Chaque type de donnée que nous fournissons dispose d'une fiche portant sa spécification de livraison, son schéma de métadonnées et, lorsque la matière est libérée pour cela, un extrait écoutable et une annotation téléchargeable. Sans NDA, sans formulaire, sans appel préalable. Ce qui reste sous NDA, ce sont les instruments signés et les masters, car les personnes qui s'y trouvent ont accepté d'être enregistrées pour l'entraînement de modèles, non pour un site web.
Si vous détenez de la matière, vous êtes l'autre moitié de cette activité.
Une maison d'approvisionnement dotée d'un catalogue et sans contreparties est une plaquette. Si vous dirigez une station, un réseau de podcasts, une maison de production, un cabinet, une agence immobilière ou un fonds institutionnel — et que vous n'avez jamais rien licencié — nous finançons la libération et la préparation, vous conservez le titre, et vous êtes rémunéré sur ce que la matière rapporte. Rien d'avance, aucune exclusivité par défaut.
Donnez-nous la spécification. Nous vous dirons ce que coûte la collecte.
Nous travaillons au mieux à partir d'un cahier des charges écrit : un schéma d'actions, une liste d'environnements, un ensemble de langues, un volume. Si vous en avez un que personne n'a pu satisfaire à partir d'archives, c'est cette conversation que nous voulons.
- Pilote
- Cinquante heures à l'exigence production, deux semaines après validation de la spécification, à prix coûtant
- Prix
- Devisé à l'heure livrée, en dessous des programmes gérés équivalents aux États-Unis ou en Europe
- Capacité
- Annoncée au regard des opérateurs formés et des instruments signés, réactualisée chaque mois
- Indemnisation
- Texa garantit les droits qu'elle concède et indemnise les réclamations portant sur la chaîne des droits
- Échantillons
- Le schéma du manifeste et un fichier d'annotation complet sont publics — sans NDA. Les médias et les instruments signés en supposent un.