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.

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 ?

Plus que jamais, avec l'utilisation croissante des solutions de visio-conférence en ligne dans les interactions professionnelles quotidiennes, les compétences en matière de prise de parole en public deviennent cruciales. L'objectif de ce projet est de mieux comprendre les meilleures approches permettant la pratique de la prise de parole en public à l'aide d'outils technologiques. À cette fin, nous étudierons différents environnements de formation (ex : sans un public virtuel/réel) et différentes approches de formation (ex : basées sur la modélisation, basées sur le feedback, basées sur la simulation) pour aider les utilisateurs à acquérir, améliorer et pratiquer les compétences d'expression orale en public en toute autonomie. A cette fin, différents défis de recherche seront abordés pour 1/ apprendre automatiquement, à partir de différents corpus, les indices multimodaux corrélés à la qualité de la prise de parole en public ; 2/ fournir des activités pédagogiques ancrées dans la pratique du coaching, en adoptant une approche centrée sur l'utilisateur et 3/ fournir une évaluation globale de la séance de formation ainsi que les caractéristiques comportementales spécifiques à améliorer.

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 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.

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.

AI4IDF vise à approfondir les connaissances en IA tout en gardant l'être humain au centre de ses préoccupations. L'Ile-de-France doit jouer un rôle majeur dans ce secteur d'avenir, par son excellence scientifique et son écosystème incomparable.

Le Corpus Liberatum Linguae Graecae (CLLG) vise à rendre plus accessibles les corpus de grec ancien et à perfectionner les méthodes de reconnaissance de texte permettant la conversion d'images en XML. Le CLLG développera une chaine de numérisation, conçue pour produire un corpus ouvert, réutilisable, de haute qualité et interopérable. Le projet s’intéresse en particulier à la génération automatique automatique de documents structurés en grec ancien, en respectant les pratiques de la philologie grecque.

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.