Du text-lake au knowledge graph : algorithmes frugaux pour cartographier des connaissances (traçabilité, preuves, diachronie)

Mots clés

TALN/NLP, extraction d'information, désambiguïsation sémantique, graphes de connaissances, cartographie de l'information, IA frugale

Détail de l'offre

Contexte :
Les corpus scientifiques comme les corpus de débat public produisent désormais un effet paradoxal : l'information est abondante, mais la compréhension globale devient difficile. Des propositions importantes circulent sous de multiples formulations, se transforment au fil du temps, changent d'énonciateur et s'appuient sur des preuves parfois contradictoires. Les moteurs de recherche retrouvent des documents sans rendre visible cette dynamique ; les synthèses automatiques restent locales ; et les graphes de connaissances classiques supposent souvent des données déjà structurées.

De quoi s'agit-il, concrètement ?
Le but est de construire une « carte » navigable d'un domaine (ex. un champ scientifique ou médiatique) ou d'un débat : repérer les idées/propositions clés dans un grand ensemble de textes, regrouper les formulations qui disent essentiellement la même chose, relier chaque proposition à ses sources (et, si possible, aux preuves citées), puis suivre l'évolution de ces propositions dans le temps (apparitions, reformulations, controverses, consensus).

Objectifs scientifiques :
Développer et évaluer de nouveaux algorithmes pour transformer des « text-lakes » massifs et non structurés en « knowledge graphs cohérents », auditables et extensibles. La thèse étudiera en particulier des stratégies de désambiguïsation/canonisation (détecter quand deux formulations renvoient à la même proposition), sous contrainte de coût (approches frugales), et la manière dont une ontologie flexible peut permettre (i) une représentation plus optimale malgré (ii) une réduction de la dimensionalité et de (iii) guider la construction du graphe (idées, acteurs, sources, preuves, relations temporelles).