Résumé: Le projet Pantagruel est une initiative ambitieuse qui vise à développer et à évaluer des modèles linguistiques multimodaux (écrit, oral, pictogrammes) et inclusifs pour le français. Le projet s’appuie sur l’expertise de chercheurs de différentes disciplines, notamment l’informatique, le traitement du signal, la sociologie et la linguistique, afin de garantir la diversité des perspectives ainsi que la fiabilité et la pertinence des résultats.

Les principales contributions du projet sont le développement de modèles auto-supervisés librement accessibles pour le français, comprenant une à trois des modalités pour les domaines généraux et cliniques. Le projet ne se contentera pas de produire des modèles mais il concevra également des bancs d’essais permettant d’évaluer la généralisation de ce type de modèles en s’appuyant sur l’expérience gagnée lors des projets FlauBERT et LeBenchmark.

Une part du projet sera consacrée aux biais et stéréotypes véhiculés dans les corpus d’entraînement et dans les modèles en aval. Une réflexion sera menée avec un comité éthique, pour limiter un effet amplificateur de biais au sein des corpus d’entraînement, en particulier en travaillant sur les caractéristiques démographiques des locuteurs et locutrices (pour l’oral audio ou retranscrit) et des auteurs et autrices (pour une partie des données écrites). Nous pourrons ainsi comparer les modèles appris sur des corpus d’entraînement aux proportions variables pour ces caractéristiques, comme par exemple le genre. Cette étude permettra de quantifier dans quelle mesure les prédictions des modèles de langue sont des reflets fiables des corpus en amont, et de mieux contrôler la façon par laquelle ils peuvent être utilisés comme outils de recherche pour les sciences sociales.

Le projet développera des composants logiciels qui faciliteront l’intégration des modèles de langage dans diverses applications et permettront le développement de solutions innovantes exploitant la puissance des modèles de langues du français multimodaux. Ces outils sont en particulier destinés aux non-informaticiens tels que ceux membres du consortium (sociologues, linguistes, médecins, orthophonistes), des chercheurs d’autres domaines ou des artistes.

Le projet Pantagruel a ainsi le potentiel de faire progresser de manière significative l’état de l’art en matière de modèles de langues multimodaux et d’avoir un impact positif sur un large éventail de domaines appliqués, des soins de santé aux arts en passant par les sciences humaines et sociales.

Publications:

• à venir !