L’extraction d’information (EI) transforme des textes non structurés en données structurées décrivant des entités et leurs relations. La diversité des tâches, formats et conventions d’annotation limite toutefois l’interopérabilité des méthodes et ressources. L’adaptation à de nouveaux domaines exige souvent des données annotées coûteuses, tandis que les grands modèles de langage (LLM) utilisés sans entraînement spécifique (zero-shot) respectent difficilement certaines conventions d’annotation.

AllMiner étudie l’hypothèse qu’une ontologie explicite des tâches d’EI et des décisions d’annotation peut rendre l’extraction zero-shot plus cohérente et généralisable. Il vise une extraction universelle, adaptable aux domaines et aux schémas d’annotation, et unifiée, combinant reconnaissance d’entités, liaison d’entités et extraction de relations. L’ontologie permettra de repérer les conventions manquantes ou ambiguës et de coordonner les agents LLM.

Le projet développera une ontologie ouverte et une bibliothèque Python interopérable pour représenter les concepts, contraintes et annotations de l’EI. À partir d’un schéma défini par l’utilisateur et de textes bruts, des agents LLM produiront des consignes d’annotation structurées et lisibles, réaliseront l’extraction et en vérifieront les résultats. Des retours humains limités, sous forme de corrections d’annotations et de consignes, permettront d’améliorer progressivement les extractions sans entraînement spécifique aux tâches.

La méthode sera évaluée sur des corpus variés en domaines, tâches et schémas d’annotation. Des comparaisons contrôlées évalueront les consignes produites et l’apport de l’ontologie, de la coordination des agents et du retour humain à la qualité et à la conformité des extractions. Les résultats seront intégrés à une plateforme ouverte permettant aux non-spécialistes de définir et d’affiner leurs propres tâches d’extraction.