Comprendre, interpréter et générer des réponses – l’IA au service de larges corpus de textes en histoire

BnF Datalab - Bandeau - - Elie Ludwig - BnF

Cette rencontre se penche sur le domaine de la compréhension automatique de texte aussi appelé Machine Reading et ses avancées récentes permis par l’avènement des modèles génératifs pour la recherche d’information dans les grands ensembles de texte. Il sera effectué une rétrospective de l’évolution de ces méthodes, depuis la tâche de lecture automatique jusqu’à l’émergence récente des modèles génératifs.

Cette présentation soulignera les progrès significatifs réalisés dans ce domaine, permettant aux machines de comprendre, d’interpréter et de générer des réponses informatives à partir de données textuelles volumineuses. Nous examinerons également les perspectives offertes par ces méthodes pour la recherche historique, en offrant aux chercheurs de nouvelles possibilités d’analyse et d’interprétation de vastes corpus de données textuelles. Toutefois, nous aborderons aussi les défis que pose l’application de ces méthodes dans cette discipline, notamment la gestion de grands corpus, la complexité des questions et la nécessité de sourcer les réponses pour assurer l’exactitude et la fiabilité des résultats.

Par Julien Perez, enseignant-chercheur au LRE, à EPITA, et Aurélien Pellet, data scientist à EPITECH.

VOIR AUSSI