![\"\"](\"https:\/\/www.isir.upmc.fr\/wp-content\/uploads\/2022\/03\/illustration-ANR-ACDC.jpg\")
<\/figure>\nLe contexte<\/h3>\n\n\n\n
La tr\u00e8s grande disponibilit\u00e9 des donn\u00e9es est un fait bien \u00e9tabli dans notre soci\u00e9t\u00e9. Que les donn\u00e9es proviennent de textes, de traces d\u2019utilisateurs, de capteurs ou encore de bases de connaissances, l\u2019un des d\u00e9fis communs est de comprendre et d\u2019acc\u00e9der rapidement aux informations contenues dans ces donn\u00e9es. Une des r\u00e9ponses \u00e0 ce d\u00e9fi consiste \u00e0 g\u00e9n\u00e9rer des synth\u00e8ses textuelles des donn\u00e9es consid\u00e9r\u00e9es, le langage naturel pr\u00e9sentant de nombreux avantages en terme d\u2019interpr\u00e9tabilit\u00e9, de compositionnalit\u00e9, d\u2019accessibilit\u00e9 et de transf\u00e9rabilit\u00e9. N\u00e9anmoins, si la g\u00e9n\u00e9ration de r\u00e9sum\u00e9s pour donn\u00e9es textuelles est un probl\u00e8me pour lequel les solutions commencent \u00e0 \u00eatre satisfaisantes, la g\u00e9n\u00e9ration de descriptions textuelles dans un cadre plus g\u00e9n\u00e9ral (par exemple, conditionnelles \u00e0 des donn\u00e9es num\u00e9riques ou structur\u00e9es<\/em>) constitue toujours un probl\u00e8me particuli\u00e8rement difficile. Ce probl\u00e8me fait r\u00e9f\u00e9rence \u00e0 un champ \u00e9mergent dans le domaine du traitement du langage naturel, appel\u00e9 Data-to-Text, poss\u00e9dant de tr\u00e8s nombreuses applications, notamment dans les domaines scientifiques, du journalisme, de la sant\u00e9, du marketing, de la finance, etc.<\/p>\n\n\n\n L’ensemble des approches r\u00e9centes de data-to-text travaillent de mani\u00e8re supervis\u00e9e, sans repr\u00e9sentation explicite des op\u00e9rateurs d’extraction qu’ils manipulent pour passer du contenu tabulaire global \u00e0 la synth\u00e8se textuelle. Ce projet se d\u00e9marque car il propose de s’int\u00e9resser \u00e0 l’expression de ces op\u00e9rateurs, afin de gagner en interpr\u00e9tabilit\u00e9 des mod\u00e8les, ainsi qu’en capacit\u00e9 de contr\u00f4le sur les textes g\u00e9n\u00e9r\u00e9s. En outre, si dans un cadre fig\u00e9 bien d\u00e9fini, avec de nombreuses ressources pour la supervision, il est possible de s’affranchir de l’expression explicite de ces op\u00e9rateurs, car le mode de s\u00e9lection peut \u00eatre implicitement adapt\u00e9 en fonction des sorties d\u00e9sir\u00e9es, ce n’est plus envisageable dans un cadre plus large avec une grande h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 des donn\u00e9es d’entr\u00e9e et des attendus dans un contexte o\u00f9 la supervision est limit\u00e9e. <\/p>\n\n\n\n Notre d\u00e9marche, en forte rupture avec les approches de la litt\u00e9rature, est donc de chercher \u00e0 inf\u00e9rer les op\u00e9rateurs d’extraction de contenu permettant de passer d’un tableau \u00e0 un texte observ\u00e9, en ayant pour but d’avoir un apprentissage robuste, qui soit \u00e0 la fois fortement g\u00e9n\u00e9ralisable et contr\u00f4lable par un utilisateur. <\/p>\n\n\n\n Les d\u00e9fis que ce projet cible sont donc :<\/strong><\/p>\n\n\n\n – l’inf\u00e9rence d’op\u00e9rateurs d’extraction d’information dans les tableaux,<\/p>\n\n\n\n – la gestion de l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 dans les donn\u00e9es d’entr\u00e9e, <\/p>\n\n\n\n – et la synth\u00e8se contr\u00f4l\u00e9e de descriptions textuelles. <\/p>\n\n\n\n Le projet sera centr\u00e9 sur deux cas d’\u00e9tude compl\u00e9mentaires, aux propri\u00e9t\u00e9s diff\u00e9rentes, dans les domaines de l’analyse de donn\u00e9es biologiques et l’analyse de documents d’entreprise. Il est articul\u00e9 autour de 4 lots de travail :<\/strong><\/p>\n\n\n\n Si l’on n’ambitionne pas dans ce projet d’atteindre un niveau humain pour interpr\u00e9ter des tableaux de donn\u00e9es, nous sommes convaincus que les m\u00e9thodes que l’on envisage auront un fort impact pour la communaut\u00e9 scientifique, car ils d\u00e9finissent des m\u00e9canismes d’adaptation haut-niveau pour la compr\u00e9hension des donn\u00e9es, dans les cadres applicatifs vis\u00e9s. Les avanc\u00e9es r\u00e9centes en apprentissage profond (par exemple, transformeurs structurels<\/em>), nous permettent d’envisager sereinement ce genre d’objectifs, qui constitueront un pas important pour la communaut\u00e9 vers des syst\u00e8mes g\u00e9n\u00e9ralisables et personnalisables, dont l’apprentissage ne se contente pas d’imiter les sorties observ\u00e9es mais recherche \u00e0 combiner des strat\u00e9gies d’extraction complexes pour r\u00e9pondre \u00e0 des besoins peu d\u00e9finis. Pour la communaut\u00e9 TAL, ce genre d’avanc\u00e9e est cruciale pour d\u00e9finir divers types de syst\u00e8mes guid\u00e9s par les donn\u00e9es \u00e0 disposition, plut\u00f4t que d’apprendre \u00e0 simplement imiter des humains. Le s\u00e9quen\u00e7age et la planification d’op\u00e9rateurs est une proposition \u00e0 fort potentiel pour d\u00e9passer les probl\u00e9matiques d’effondrement de post\u00e9rieure ou de biais d’exposition auxquels sont tr\u00e8s souvent confront\u00e9s les syst\u00e8mes de g\u00e9n\u00e9ration de la langue naturelle. Enfin, le domaine de l’apprentissage statistique est confront\u00e9 \u00e0 un besoin grandissant de m\u00e9thodes capables d’expliquer les d\u00e9cisions qu’elles prennent (xAI), port\u00e9es par diverses politiques pour la protection des individus face aux machines. Un reproche tr\u00e8s souvent fait aux architectures neuronales concerne leur opacit\u00e9, ce projet apporte un \u00e9l\u00e9ment de r\u00e9ponse important \u00e0 cette critique, par la d\u00e9finition de mod\u00e8les d’extraction et de verbalisation bas\u00e9s sur des op\u00e9rateurs explicites, dont on peut interpr\u00e9ter la s\u00e9mantique, tout en conservant de grandes capacit\u00e9s d’expressivit\u00e9. <\/p>\n\n\n\n Pour le domaine biologique, au-del\u00e0 d’une simple am\u00e9lioration, par synth\u00e8se textuelle, des conditions d\u2019acc\u00e8s aux informations contenues dans les tableaux de donn\u00e9es scientifiques, le projet<\/strong> ACDC<\/strong> pourra apporter une aide \u00e0 la d\u00e9cision importante, en pointant des informations remarquables pouvant sugg\u00e9rer des orientations pour des recherches \u00e0 mener. Pour le domaine du Document Intelligence, la th\u00e9matique du data-to-text pr\u00e9sente des enjeux consid\u00e9rables pour le traitement d’informations critiques dans les secteurs de la finance, de la gestion des risques et du suivi des r\u00e9glementations. L’analyse et l’interpr\u00e9tation des donn\u00e9es produites par les entreprises est un enjeu crucial pour la r\u00e9glementation, le suivi, l’analyse et l’am\u00e9lioration du fonctionnement de structures g\u00e9antes et mondialis\u00e9es dont l’influence est aujourd’hui consid\u00e9rable. Les impacts \u00e0 court terme du projet correspondent \u00e0 l’int\u00e9gration de m\u00e9thodes efficaces pour extraire les \u00e9l\u00e9ments importants des tableaux de mani\u00e8re facilement interpr\u00e9table par des auditeurs financiers, comme ceux des clients de RECITAL, qui sont confront\u00e9s \u00e0 l’analyse de longs rapport pour prendre des d\u00e9cisions de subvention importantes en fonction des politiques courantes. \u00c0 plus long terme, on peut envisager que ce genre de projet aboutira \u00e0 des syst\u00e8mes capables d’interpr\u00e9ter seuls des rapports entiers et \u00e9mettre un avis circonstanci\u00e9, avec prise en compte de la multi-modalit\u00e9 des documents analys\u00e9s. Ce projet est un pas important dans ce sens et ouvre de nombreuses possibilit\u00e9s pour le futur.<\/p>\n\n\n\n Le consortium r\u00e9unit trois partenaires avec de fortes comp\u00e9tences en apprentissage profond et par renforcement pour la mod\u00e9lisation de donn\u00e9es non structur\u00e9es, le data-to-text, la recherche d’information et la g\u00e9n\u00e9ration du langage naturel. <\/p>\n\n\n\n – L’\u00e9quipe MLIA<\/a> de Sorbonne Universit\u00e9<\/a>, int\u00e9gr\u00e9e depuis peu au laboratoire ISIR, est sp\u00e9cialis\u00e9e en apprentissage statistique et apprentissage profond. C’est l’une des entit\u00e9s leader en apprentissage profond en France. Sa recherche va de la conception th\u00e9orique aux d\u00e9veloppements algorithmiques, pour de nombreux domaines d’application tels que la vision par ordinateur, le traitement du langage naturel et l’analyse de donn\u00e9es complexes. L’apprentissage de repr\u00e9sentation, l’inf\u00e9rence bay\u00e9sienne et l’apprentissage par renforcement pour la g\u00e9n\u00e9ration de donn\u00e9es structur\u00e9es sont au c\u0153ur de ses recherches depuis de nombreuses ann\u00e9es.<\/p>\n\n\n\n – Le LAMSADE<\/a>, de l’Universit\u00e9 Paris Dauphine<\/a>, est un laboratoire d’Informatique initialement d\u00e9di\u00e9 \u00e0 l’aide \u00e0 la d\u00e9cision et la recherche op\u00e9rationnelle, et dont une partie des membres s’est sp\u00e9cialis\u00e9e dans l’apprentissage profond, notamment pour le traitement et la g\u00e9n\u00e9ration de la langue.<\/p>\n\n\n\n – Le troisi\u00e8me partenaire du projet reciTAL<\/a> est une PME dont l’activit\u00e9 R&D est centr\u00e9e sur le traitement automatique du langage. Son implication permet de confronter les avanc\u00e9es du projet \u00e0 des cas d’usages industriels avec enjeux tr\u00e8s importants dans le domaine du Document Intelligence. <\/p>\n\n\n\nLes objectifs<\/h3>\n\n\n\n
\n
Les r\u00e9sultats <\/h3>\n\n\n\n
Partenariats et collaborations<\/h3>\n\n\n\n