Modèles linguistiques à grande échelle : contributions à la recherche d'informations dans les documents

Résumé

La production et le partage d’informations sous de multiples formats ont connu une croissance exponentielle au cours des dernières décennies, ce qui a accentué les défis liés à l’organisation, à la représentation et à la recherche d’informations. Dans ce contexte, les grands modèles linguistiques (LLM) apparaissent comme des technologies capables d’améliorer la recherche sémantique, d’interpréter des requêtes en langage naturel et de générer des réponses contextualisées, élargissant ainsi les possibilités d’accès à l’information. Ainsi, cette étude visait à analyser, au sein de la littérature scientifique, l’utilisation des LLM dans la recherche d’informations à partir de documents textuels, en identifiant les approches méthodologiques, les contextes d’application, les contributions et les limites rapportées dans les études. Sur le plan méthodologique, une revue narrative de la littérature a été menée selon un protocole rigoureux, avec des recherches effectuées dans les bases de données ACM Digital Library, ScienceDirect, Scopus et Web of Science. Des articles publiés entre 2020 et 2024, en portugais et en anglais, disponibles en libre accès, ont été sélectionnés. Après application des critères d’inclusion et d’exclusion et lecture intégrale des textes, 12 publications ont constitué le corpus d’analyse. Les études ont été organisées en quatre axes thématiques : l’automatisation de l’analyse documentaire dans des contextes réglementaires et institutionnels ; le développement de méthodes et de modèles de recherche d’informations ; la construction et l’enrichissement de structures de connaissances ; et le soutien à la recherche scientifique. Il en ressort que les grands modèles linguistiques (LLM) améliorent la capacité d’interprétation des systèmes de recherche d’informations, bien qu’ils présentent encore des limites liées aux biais, aux hallucinations, aux coûts de calcul et à la dépendance vis-à-vis de la supervision humaine, ce qui nécessite des recherches supplémentaires sur la transparence, l’évaluation des performances et les impacts éthiques et sociaux.