Cet article présente PennyLang, un ensemble de données de haute qualité dédié à PennyLane, afin de pallier le manque d'ensembles de données de haute qualité qui limite l'utilisation des modèles de langage à grande échelle (LLM) dans le développement de logiciels quantiques. PennyLang se compose de 3 347 échantillons de code quantique PennyLane et de descriptions contextuelles collectées à partir de manuels, de documents officiels et de référentiels open source. Cet article présente trois contributions : la génération et la publication de PennyLang, un cadre automatisé de construction d'ensembles de données de code quantique, et une évaluation de base utilisant plusieurs modèles open source au sein du pipeline de génération augmentée par récupération (RAG). Les résultats expérimentaux démontrent que la combinaison de RAG et de PennyLang améliore significativement les performances des modèles Qwen 7B et LLaMa 4. Cela contraste avec les recherches précédentes axées sur Qiskit, contribuant à l'avancement du développement quantique assisté par l'IA en fournissant des outils basés sur les LLM et des méthodes reproductibles pour PennyLane.
