Projets de recherche

Transformer en profondeur la recherche archivistique sur l'Holocauste en fournissant les méthodes et outils permettant l'intégration et l'accès à des archives multiples et multiformes.

Coordonner les activités liées aux infrastuctures pour les humanités numériques en Europe (17 partenaires, 5 partenaires associés).

Afin de soutenir la lutte contre la radicalisation et ainsi prévenir de futures attaques terroristes, le projet CounteR consolide des données provenant de sources diverses dans une plate-forme d'analyse et d'alerte précoce pour l'exploration de données et la prédiction de zones critiques (par exemple les communautés). Son objectif est de constituer un outil de police communautaire de première ligne qui examine la communauté et ses facteurs de risque connexes, et non de cibler et de surveiller les individus. Le système incorporera des technologies de pointe de traitement automatique des langues, combinées à des connaissances d'experts en psychologie des processus de radicalisation, pour fournir une solution complète aux forces de l'ordre pour comprendre le quand, le où et le pourquoi de la radicalisation dans les communautés.

Le projet MaTOS (Machine Translation for Open Science) vise à développer de nouvelles méthodes pour la traduction automatique (TA) intégrale de documents scientifiques, ainsi que des métriques automatiques pour évaluer la qualité des traductions produites. Notre principale cible applicative est la traduction d’articles scientifiques entre le français et l’anglais, pour laquelle des ressources linguistiques peuvent être exploitées pour obtenir des traductions plus fiables, aussi bien dans une optique d’aide à la publication que pour des besoins de lecture ou de fouille de textes. Les efforts pour améliorer la TA de documents complets sont toutefois freinés par l’incapacité des métriques automatiques existantes à détecter les faiblesses des systèmes comme à identifier les meilleures façons d’y remédier. Le projet MaTOS se propose d'aborder ces deux difficultés de front.

SINNet propose un changement de paradigme pour faire des systèmes conversationnels et de la robotique sociale une technologie plus acceptable et plus fiable, même en utilisant des approches d'apprentissage profond. Ce projet se concentrera sur la composante verbale de l'interaction, ciblera la relation sociale agent-utilisateur et modélisera les comportements indexant l'état de la relation sociale entre l'agent et l'utilisateur, allant ainsi au-delà de l'analyse des opinions ou émotions positifs et négatifs de l'utilisateur. Il s'agit de développer des modèles neuronaux faciles à adapter et à expliquer, capables d'analyser le comportement de l'utilisateur contribuant aux processus de co- construction utilisateur-agent tels que ceux caractérisant le rapport avec l'agent, ou la confiance et l'affiliation à l'agent, ainsi que de générer la réponse de l'agent favorisant la relation sociale utilisateur-agent. Ce projet fera de l'interdisciplinarité un défi essentiel en fournissant un formalisme partagé entre les théories complexes (par exemple, psychologiques ou sociolinguistiques) des interactions sociales et le formalisme sous-jacent aux modèles d'apprentissage profond et de traitement du langage naturel.

L'objectif du projet TraLaLaM est l'exploration de l'utilisation des grands modèles de langues (LLM) pour la traduction automatique, autour de deux questions principales : (i) dans quels scénarios est-ce que les informations contextuelles peuvent être exploitées via l'utilisation de prompting et (ii) pour les scénarios à faible ressources (avec un focus sur les dialectes et les langues régionales), est-ce que les LLM peuvent être entraînés à bien traduire sans données parallèles ?

L'algorithme de simplification de textes développé dans le cadre de Cap'FALC s'appuie sur des modèles neuronaux de traitement automatique des langues. Il fonctionnera de manière similaire à un correcteur orthographique, qui repère des passages dans un texte, propose des solutions mais ne corrige pas sans validation humaine. Ainsi, si l’outil développé a pour but de représenter une aide précieuse pour les personnes handicapées chargées de la transcription des textes en FALC, il ne remplacera en aucun cas leur intervention à toutes les étapes de la rédaction ; c’est bien leur regard qui permet de valider un texte comme étant accessible et facile à lire et à comprendre.

Reconnaissance d'entités nommées dans dans les instruments de recherche XML-EAD, une norme d’encodage des instruments de recherche archivistiques.

Linguistique empirique au sens large, y compris la linguistique computationnelle et le traitement automatique des langues. L’équipe ALPAGE, prédécesseur d’ALMAnaCH, était l’un des partenaires de ce LabEx, qui rassemble une douzaine d’équipes de Paris et de ses environs dont les thématiques de recherche recouvrent au moins l’une des sous-disciplines de la linguistique. Plusieurs membres d’ALMAnaCH sont désormais « membres à titre individuels » du LabEx. B. Sagot est responsable adjoint (et ancien responsable) de l’un des axes de recherche du LabEx, l’axe 6 consacré aux ressources linguistiques. B. Sagot et D. Seddah sont (co-)responsables de plusieurs “operations” de recherche au sein des axes 6, 5 (“analyse sémantique automatique”) et 2 (“grammaire expérimentale”). Nos principales collaborations concernent le développement de ressources linguistiques (axes 5 et 6), l’analyse syntaxique et sémantique (axe 5, en particulier avec le LIPN [CNRS and U. Paris 13]) et la morphologie computationnelle (axes 2 et 6, notamment avec le CRLAO [CNRS and Inalco] et le LLF [CNRS and Paris-Diderot]).

ALMAnaCH est membre du consortium CORLI “Corpus, Langues et Interactions” (B. Sagot est membre de son comité de pilotage).

Le DIM « Matériaux anciens et patrimoniaux » (MAP) constitue à l’échelle de l’Ile-de-France un réseau de recherche dont l’originalité repose sur la collaboration étroite entre sciences de l’homme, sciences physico-chimiques, sciences de l’environnement et sciences de l’information, tout en intégrant les acteurs économiques et sociaux du monde du patrimoine et de sa valorisation. Un tel réseau interdisciplinaire placera la Région au premier rang mondial en matière de recherche, de développement et de valorisation dans le domaine des sciences du patrimoine et des matériaux anciens.

L'objectif du projet est la numérisation et l'exploitation des premières éditions (début du XXe siècle) du dictionnaire du Petit Larousse. ALMAnaCH est impliqué dans l'extraction automatique du contenu du dictionnaire au moyen du dictionnaire GROBID et dans la définition d'un format d'échange conforme TEI pour tous les résultats.

Le projet vise à faciliter la transition entre une numérisation patrimoniale des collections de catalogues et l’inscription dans la dynamique “collection as data”. Pour celanous expérimentons le développement d’outils d’extraction de la structure logique des catalogues de vente et leur mise à disposition auprès des institutions et des équipes de recherche.

Le project a pour objectif de rendre accessibles les données de cancérologie issues des établissements de santé pour l'ensemble des acteurs de l'écosystème, à des fins de recherche et d'innovation. Les données concernées sont standardisées et structurées, notamment par l'extraction d'informations à partir de documents textuels.

Le DEFI Inria COLaF (Corpus et Outils pour les Langues de France) a pour objectif de renforcer l'écosystème de traitement automatique du texte et de la parole pour les langues et locuteurs de France. Pour cela, il vise à créer des jeux de données ouverts et à les utiliser pour développer des modèles et des outils open-source.

L'ambition du projet ExcellencES TIERED est de répondre aux enjeux des systèmes démocratiques face aux bouleversements des transformations environnementales et de la transition numérique, en produisant une recherche scientifique d'excellence, en la diffusant dans la société et en formant les décideurs d'aujourd'hui et de demain.

Le projet se concentre sur la production de transcriptions pour des manuscrits littéraires et des archives publiques ou privées en langues romanes du xie au xvie siècle. Le principal objectif du projet est de produire des données d’entraînement et des modèles de transcriptions résistants aux changements de langue et de main. HTRogène est donc envisagé comme une brique pour l’infrastructure de Biblissima+ et la philologie médiévale des langues romanes : le projet ne se concentre pas sur un texte ou une petite sélection de textes en particulier, mais vise au contraire à produire des exemples de transcription susceptibles de constituer un échantillon représentatif. Cet échantillonnage s’appuie sur des critères spécifiques de langue, de script, de genre ou encore de datation.

Le projet Universal Dependencies est un effort communautaire ouvert avec plus de 300 contributeurs produisant près de 200 jeux de données annotés en syntaxe dans plus de 100 langues. Universal Dependencies est un framework de schéma d'annotation morpho-syntaxique (parties du discours, analyses morphologiques et dépendances syntaxiques) pour différentes langues naturelles. Avec une release tous les 6 mois depuis 2017, ce framewok UD est de facto devenu la norme pour les représentations de structures syntaxiques et bien sûr sert de base à la plupart, sinon tous les analyseurs neuronaux supervisés.

Les modèles informatiques de la personnalité ont largement ignoré les subtilités des expressions de la personnalité et ont supposé que les individus (et donc les agents conversationnels incarnés) devraient avoir une personnalité fixe (comme introverti ou extraverti), malgré le fait que toutes les experiences psychologiques démontrent que l'expression de la personnalité change en fonction de la personne à qui l'on parle, de ce dont on parle, des personnalités des autres individus dans une conversation, de la culture, de l'âge, etc. Un nouveau modèle est nécessaire pour prendre en compte la malléabilité de la personnalité et, par conséquent, la nécessité pour les agents conversationnels d'avoir également des représentations malléables de la personnalité afin d'être le plus efficace possible dans leur travail avec les gens.