L’efficacité des solutions de biocontrôle varie fortement selon les organismes, les conditions de culture et les modalités d’application. La littérature scientifique contient des informations abondantes pour analyser et comprendre cette variabilité, mais son exploitation suppose de reconstruire des expériences qui sont décrites de manière complexe et hétérogène. Le projet ECHO étudie comment combiner les capacités des grands modèles de langage (LLM) avec les connaissances du domaine pour reconstruire de manière cohérente les expériences décrites dans les publications et les facteurs associés à leur efficacité.
S’appuyant sur un schéma d’information, des annotations expertes et de premières méthodes déjà développées, les travaux porteront sur l’extraction conditionnelle des informations, leur normalisation et la reconstruction de différents niveaux d’évaluation de l’efficacité. Le séjour de deux mois de Yuxing Wang financé par le département MathNum permettrait de consolider et d’évaluer cette approche en biocontrôle, tout en développant des méthodes génériques pour l’extraction et la structuration de connaissances expérimentales à partir de la littérature scientifique.