Apport des LLMs dans l'extraction de connaissances à partir de textes non structurés pour peupler une base de cas sur la restauration d'hydrosystèmes

Ce travail s'intéresse à la constitution d'une base de cas à partir de textes non structurés, dans l'objectif de construire un système de raisonnement à partir de cas dans le domaine de la restauration d'hydrosystèmes. Les retours d'expériences dans ce domaine sont peu nombreux, souvent sous la forme de textes non structurés, présentant une information fragmentée, implicite et parfois incohérente. Nous proposons d'utiliser des grands modèles de langage (LLMs) pour extraire automatiquement des connaissances à partir de ces textes, en exploitant une ontologie du domaine et une structure de cas. Différents prompts et différents modèles sont étudiés. Les résultats montrent que les LLMs peuvent extraire efficacement des connaissances structurées, facilitant ainsi la création d'une base de cas à destination des gestionnaires de futurs projets de restauration.