En situation d’urgence, chaque seconde compte. Le déploiement des grands modèles linguistiques (LLM) dans des environnements à faible ou nulle connectivité, où le temps est crucial, reste limité. Les modèles actuels sont trop gourmands en ressources computationnelles et inadaptés aux dispositifs de faible performance, souvent utilisés par les secouristes ou le grand public. Un obstacle majeur à la conception de solutions légères et spécifiques à un domaine réside dans l’absence de jeux de données de haute qualité dédiés aux premiers secours et à la réponse d’urgence. Pour combler ce manque, nous introduisons FirstAidQA, un jeu de données synthétique comprenant 5 500 paires question-réponse de haute qualité couvrant une large variété de scénarios de premiers secours et de gestion d’urgence. Ce jeu de données a été généré à l’aide d’un grand modèle linguistique, ChatGPT-4o-mini, via une méthode d’apprentissage contextuel basée sur des prompts, en s’appuyant sur le texte du Vital First Aid Book (2019). Des étapes de prétraitement — nettoyage du texte, découpage contextuel, filtrage — ont été appliquées, suivies d’une validation humaine afin d’assurer l’exactitude, la sécurité et la pertinence pratique des paires question-réponse. FirstAidQA a été conçu pour faciliter l’ajustage par instruction (instruction-tuning) et le fine-tuning des grands modèles linguistiques (LLM) et des petits modèles linguistiques (SLM), permettant ainsi le développement de systèmes plus rapides, plus fiables et capables de fonctionner hors ligne dans des contextes d’urgence. Nous mettons publiquement ce jeu de données à disposition afin de stimuler la recherche sur les applications critiques pour la sécurité et contraintes en ressources dans le domaine des premiers secours et de la réponse d’urgence.