Projets de recherche

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

ATRIUM vise à permettre aux chercheurs en arts et sciences humaines d'utiliser des méthodes numériques en facilitant l'accès à un large éventail de flux de travail réutilisables et de services interopérables et composables offerts par les principales infrastructures de recherche dans le domaine des arts et des sciences humaines.

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.

Fabuleux développe des méthodes, jeux de données et cadres d’évaluation pour un usage responsable des grands modèles de langage dans l’écriture scientifique, en détectant les altérations introduites lors de la réécriture assistée par LLM, en vérifiant les affirmations scientifiques, en fournissant aux chercheurs des retours utiles à la révision et en évaluant la fiabilité des publications.

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.

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

Le DIM Patrimoines matériels – innovation, expérimentation et résilience vise à faire émerger des formes inédites de valorisation sociale, environnementale et économique, en connectant musées, entreprises, écosystème francilien de la création et de l’artisanat, universités et laboratoires autour des questionnements de recherche fondamentale et de recherche appliquée aux collections et problématiques patrimoniales.

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.

SaLM est un projet interdisciplinaire entre Inria Paris et Sciences Po qui vise à redéfinir les algorithmes actuels de TAL, basés sur grands modèles de langue, en incorporant les contextes sociaux dans leur développement et leur évaluation. Il souligne l'importance de comprendre le langage comme un reflet des identités culturelles et sociales. Afin d'explorer cette dimension sociologique dans le NLP, le projet comprendra deux thèses interdépendantes sur la détection des discours haineux et la détection des préjugés culturels, rassemblant une équipe mixte de sociologues et de TAListes pour mesurer le rôle de la dimension sociale et préparer des modèles de langue qui intègrent la dimension sociologique.

BACK IN TIME est la mise en relation des expertises de chercheurs de trois domaines – intelligence artificielle, cryptographie et histoire – afin de décrypter des documents historiques chiffrés, parfois restés endormis depuis plusieurs siècles. Le nombre de pages et la variété des symboles et des règles étant importants, nous souhaitons mettre au point un premier logiciel pour l’aide voire l'automatisation des déchiffrements de l'histoire antique, médiévale et moderne.

CodeCommons est un projet de deux ans qui s’appuie sur les bases de Software Heritage, la plus grande archive publique de code source au monde. Financé par le gouvernement français et soutenu par des partenaires académiques en France et en Italie, il vise à enrichir et améliorer ces archives. En ayant pour contrainte un soucis de transparence et de tracabilité, l’objectif est de structurer et qualifier les informations essentielles pour créer des ensembles de données plus compacts et de meilleure qualité, destinés à la prochaine génération d’outils d’IA générative responsables.

Le projet SCRIBE s'inscrit dans une dynamique stratégique pour la souveraineté numérique française, en développant des modèles de langage de grande taille (LLM) adaptés aux spécificités culturelles, économiques et réglementaires françaises. Porté par un consortium d’acteurs académiques et industriels, il vise à créer une infrastructure IA robuste, sécurisée et modulaire, favorisant l'industrialisation et l’adoption des LLM à grande échelle. En intégrant des benchmarks spécifiques, des outils d’évaluation et une plateforme open-source, SCRIBE ambitionne de réduire la dépendance aux modèles étrangers, tout en accélérant l'innovation et la compétitivité de l’IA générative en Europe.

PR[AI]RIE-PSAI (Paris School of AI), successeur de l'institut PRAIRIE, est le plus important des Cluster IA déployés dans le cadre de la stratégie nationale France 2030. Ce projet ambitieux, porté par l'Université PSL, vise à créer une école internationale de référence en intelligence artificielle. Il a pour objectif de faire progresser les connaissances en matière d'IA, de fournir un enseignement supérieur de niveau international et de produire des innovations de rupture dans ce domaine.

Le programme de recherche collaboration numérique (aussi appelé PEPR eNSEMBLE) est un programme national de recherche, financé par France 2030, qui rassemble des scientifiques de toutes disciplines afin de répondre aux problématiques actuelles de la collaboration numérique. Son but est de proposer des modèles sociotechniques de collaboration à long terme et des plateformes de collaborations multi organisationnelles, souveraines, sécurisées et interopérables qui favorisent la confiance et le bien être numérique.

L’objectif principal du projet est la production de normes de transcription à usage général, de données d’entraînement et de modèles d'apprentissage automatique destinés à la reconnaissance automatique de textes (ATR) de manuscrits historiques en écriture arabe.

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.