fix(openalex): wording

client/src/i18n/en.json

@@ -1,7 +1,7 @@
 {
   "corpus-title": "Build up a corpus of publications or datasets",
-  "feedback-description-1": "AI techniques are used on a large scale on the corpus of publications. In particular, affiliation links in OpenAlex or the detection of mentions of data and software in the full text. Helping to correct these data improves the reliability and representativeness of these analyses.",
-  "feedback-description-2": "OpenAlex associates affiliation signatures with ROR identifiers. Errors and omissions can occur, distorting the results obtained from OpenAlex data such as Leiden's (open) ranking. Helping to correct these data improves the reliability and representativeness of these analyses. Similarly, tools are used to detect mentions of software and data sets in the full text of publications. Here too, these detections may contain errors. The Works-magnet allows you to explore all the references detected in the French corpus and to report any errors. These reports will be added to the learning database, helping to train new, more reliable detection models.",
+  "feedback-description-1": "AI techniques are used on a large scale to analyse bibliographic corpora. In particular, OpenAlex uses them to construct affiliation links in publications (used for the Leiden ranking) and Grobid-Softcite to detect mentions of data and software in the full text. Helping to correct these data improves the reliability and representativeness of these analyses.",
+  "feedback-description-2": "OpenAlex associates affiliation signatures with ROR identifiers. Errors and omissions can occur, distorting the results obtained from OpenAlex data, such as the (open) Leiden ranking. Similarly, tools are used to detect mentions of software and data sets in the full text of publications. Here too, these detections may contain errors. The Works-magnet allows you to explore all the mentions detected in the French corpus and to report any errors. These reports will be added to the learning database, helping to train new, more reliable detection models. In this way, helping to correct these data improves the reliability and representativeness of these analyses.",
   "feedback-title": "Improve the automatic detections made by AI",
   "datasets-tile-title": "🗃 Find the datasets affiliated to your institution",
   "datasets-tile-detail-1": "🔎 Explore the most frequent raw affiliation strings retrieved in the French Open Science Monitor data and in OpenAlex for your query (datasets only).",

client/src/i18n/fr.json

@@ -1,7 +1,7 @@
 {
   "corpus-title": "Constituer un corpus de publications ou de jeux de données",
-  "feedback-description-1": "Des techniques d'IA sont utilisées à grande échelle sur le corpus des publications. En particulier les liens d'affiliations dans OpenAlex (utilisés pour le classement de Leiden) ou encore les détections de mentions de données et logiciel dans le texte intégral. Contribuer à corriger ces données améliore la fiabilité et la représentativité de ces analyses.",
-  "feedback-description-2": "OpenAlex associe ainsi les signatures d'affiliation à des identifiants ROR. Des erreurs et oublis peuvent advenir, faussant les résultats obtenus à partir des données OpenAlex comme le classement (ouvert) de Leiden. Contribuer à corriger ces données améliore la fiabilité et la représentativité de ces analyses. De même, des outils de détection des mentions de logiciels et de jeux de données sont utilisées sur le texte intégral des publications. Là aussi, ces détections peuvent contenir des erreurs. Le Works-magnet permet d'explorer toutes les mentions détectées sur le corpus français et de signaler les erreurs. Ces signalements seront ajoutés à la base d'apprentissage, aidant ainsi à entraîner de nouveaux modèles de détection plus fiables.",
+  "feedback-description-1": "Des techniques d'IA sont utilisées à grande échelle pour analyser des corpus bibliographiques. En particulier, OpenAlex les utilise pour construire des liens d'affiliations dans les publications (utilisés pour le classement de Leiden) ou encore Grobid-Softcite pour détecter les mentions de données et logiciel dans le texte intégral. Contribuer à corriger ces données améliore la fiabilité et la représentativité de ces analyses.",
+  "feedback-description-2": "OpenAlex associe ainsi les signatures d'affiliation à des identifiants ROR. Des erreurs et oublis peuvent advenir, faussant les résultats obtenus à partir des données OpenAlex comme le classement (ouvert) de Leiden. De même, des outils de détection des mentions de logiciels et de jeux de données sont utilisées sur le texte intégral des publications. Là aussi, ces détections peuvent contenir des erreurs. Le Works-magnet permet d'explorer toutes les mentions détectées sur le corpus français et de signaler les erreurs. Ces signalements seront ajoutés à la base d'apprentissage, aidant ainsi à entraîner de nouveaux modèles de détection plus fiables. Ainsi, contribuer à corriger ces données améliore la fiabilité et la représentativité de ces analyses.",
   "feedback-title": "Améliorer les détections automatiques faites par IA",
   "datasets-tile-title" : "🗃 Les jeux de données de mon institution",
   "datasets-tile-detail-1" : "🔎 Explorer les signatures d'affiliation brutes les plus fréquentes récupérées dans les données françaises de l'Open Science Monitor et dans OpenAlex pour votre requête (jeux de données uniquement)",