Perspectives pour l’édition et l’exploitation de corpus avec l’IA — Premier atelier du groupe GANESHs

Nous avons le plaisir de vous communiquer ci-dessous le programme de nos journées GANESHs du mardi 2 et mercredi 3 avril 2024.

Mardi 2 avril 2024 (journée complète) : Campus Manufacture, Bâtiment des Forges, Amphi L206

— 9H00 : Accueil

— 9h30 : Introduction

— 09h45 L’IA et les institutions patrimoniales 

 * Jean-Philippe Moreux (Gallica-BnF, Paris) : « De la numérisation à la diffusion : l’IA et les institutions patrimoniales »
 * Sitthida Samath, Eric Astier, Samantha Saïdi (Persée, ENS de Lyon, CNRS, MESR) : « De la constitution de corpus à leur exploitation par IA : regards croisés »

— 11h TAL et LLM pour les humanités numériques (1/2)

 * Jean-Philippe Magué (ICAR, ENS-Lyon) ; Jean-Pierre Chevrot, Tristan Dumas, Louise Tarrade : « Compétences sociolinguistiques des grands modèles de langue. »

~~ Buffet  ~~

— 14h TAL et LLM pour les humanités numériques (2/2)

 * Marianne Reboul (IHRIM, ENS-Lyon) : « Constructions et usages de modèles multilingues pour le latin et le grec ancien

— 14h30 : Les LLM à la loupe 

 * Antoine Gourru (Lab. H. Curien, UJM) : « Limites et biais des grands modèles de langage. »
 * Cédric Boscher (Lab. H. Curien, UJM) : « Extraction d’informations sensorielles à partir de documents textuels basée sur des modèles de langage et des ressources linguistiques. »

Mercredi 3 avril 2024 (matinée) : Campus Tréfilerie, Bâtiment M, Salle M 001

— 9h30 : Table-ronde / Café GANESHs

* Retours et échanges sur la journée du 2 avril: enjeux collaboratifs 

Inscriptions : Fabienne.vial@univ-st-etienne.fr

3e rencontre GANESHs

Nous vous proposons de nous rencontrer à l’heure du déjeuner pour notre 3e rencontre “GANESHs”. Ce sera l’occasion d’échanger entre-nous, de présenter la journée IA prévue en avril 2024, les actions futures, etc 

Le déjeuner GANESHs n° 3 aura lieu le 19 décembre à 12h15 au bâtiment M.

Chacun amène son repas. GANESHs s’occupe des papillotes et du dessert !

GANESHs IA | Mise en place d’un espace d’expérimentation IA pour les SHS

Nous lançons un programme d’expérimentation d’outils de traitement automatique du langage (TAL) utilisant les technologies de machine-learning.

Les développements récents des modèles de langage, notamment les “Large Language Models” de type GPT et BERT, ont apporté non seulement une amélioration très significative des performances mais également une meilleure accessibilité des librairies, jeux de données et modèles pré-entraînés. De nombreux outils Open Source sont disponibles, bien documentés et il devient très facile de réaliser certaines opérations comme la reconnaissance d’entités nommées (NER) et la classification de textes.

Grâce au soutien de l’université de Saint-Étienne (UJM), nous bénéficions d’une machine dédiée sur le cloud (Lyse Cloud), ce qui nous permettra d’implémenter des modèles de langage et de les entraîner à des tâches correspondant à nos corpus. Nous souhaitons également contribuer à la création d’un espace d’échange interdisciplinaire entre les chercheur·e·s travaillant sur des corpus, les spécialistes du TAL et du machine-learning, ainsi que les ingénieur·e·s des laboratoires.

Notre premier objectif sera d’implémenter une chaîne de traitement permettant d’importer des corpus textuels (presse, éditions numériques, etc) afin de tester les performances des modèles open source et de faciliter les opérations d’indexation fine et de fouille de texte. Cette chaîne inclura un outil d’annotation, qui facilitera l’analyse et la correction des résultats obtenus par les outils d’extraction, mais aussi la préparation d’échantillons pour le ré-entraînement des modèles.

Détection d’entités nommées sur un échantillon du Dictionnaire de Port-Royal (1), réalisée avec Spacy (2) et importée dans Doccano (3).

Nous proposerons au printemps une journée d’atelier pour présenter les résultats des tests et la chaîne de traitement, et ouvrir la discussion autour de tables rondes réunissant les actrices et acteurs des différentes disciplines.


(1) https://www.sudoc.fr/081347561

(2) https://spacy.io

(3) https://github.com/doccano/doccano

Mapping Matteo Ricci : Atelier

Nous vous proposons un café Ganeshs autour du projet “Ricci — Mappemonde 1602 | Mapping Matteo Ricci” de Vito Avarello.

Le support utilisé est une base de données Heurist incluant une carte interactive (basée sur la librairie Leaflet). Cette carte, sans les annotations, est visible ici : https://roii.huma-num.fr/Ricci/mappemonde-2.html .

Voir la page de test : https://heurist.huma-num.fr/h6-alpha/?db=Ricci&website&id=53&pageid=173

Notre objectif est de tester les fonctionnalités de recherche et d’affichage afin de préciser le modèle de données.

Les questions suivantes seront abordées :

  • Configuration du widget “Map and Timeline”
  • Utilisation des couches d’annotation (layers) : quelles conséquences sur le modèle de données ? Comment lier les objets entre eux ?
  • Utilisation des custom reports et règles d’expansion : plutôt que de complexifier les relations entre objets, utilisation possible de raccourcis (agrégation d’informations via des champs calculés ? affichage de différents types de records via les règles d’expansion ? personnalisation des fenêtres popup via les custom reports ?)
  • Configuration des niveaux de zoom : comment faire apparaître les objets de la carte uniquement à un niveau de zoom faible, et les détails à un niveau élevé ?

La difficulté technique consiste à transposer les outils qui relèvent traditionnellement des systèmes d’information géographiques à l’annotation d’une image non géo-référencée. En effet, la mappemonde de Ricci, composée de 6 panneaux, mesure 167.5 cm x 371.2 cm, et la lecture du texte chinois suppose une numérisation en haute définition. Il s’agit donc de pouvoir naviguer dans une image de très grandes dimensions, avec la possibilité de zoomer.

Nous avons donc produit une “Tilemap” à partir des images de la Librairie du Congrès ( https://lccn.loc.gov/2010585650 ).

Notre image “originale” (résultat du collage des deux moitiés de la carte) est de dimensions 46200 x 20700 pixels. On doit d’abord redimensionner cette image au niveau maximal de zoom requis, de manière à ce qu’elle se décompose en un nombre entier de tuiles (tiles) de 256 pixels : le niveau de zoom maximal correspond à 32768 x 14682 pixels (car 20700 ÷ 46200 x 32768 = 14682).

Cette tilemap peut être utilisée indépendamment d’Heurist : https://roii.huma-num.fr/Ricci/mappemonde-2.html

Cependant le système Heurist nous permet de construire un environnement de travail collaboratif pour la traduction, l’annotation, et la construction de liens entre les objets annotés.

Deuxième café GANESHs : 4 octobre 2023, MDU, 9H15 (salle 003A)

Pour ce deuxième “café GANESHs“, qui fait suite à notre rencontre avec Philippe COLANTONI, VP Numérique de l’UJM, nous vous proposons un échange avec Christelle BAHIER-PORTEVP Recherche de l’UJM. Pour l’occasion, sont conviés les directions de laboratoires (ou leurs représentant.e.s) du domaine SHS. Ce sera l’occasion de présenter notre groupe et ses actions à venir et de connaître les orientations de l’UJM en matière de recherche en lien avec la politique du numérique. L’échange durera 1h15-1h30.

Compte-rendu de la première réunion GANESHs du 29 juin 2023.

Présents : Vito AVARELLO (IHRIM), Philippe COLANTONI (VP Numérique UJM), François COURONNÉ (SCD), Ahmad FLITI (LEM CEROR CNRS), Cécile JOSSE (Institut ARTS), Pierre-Olivier MAZAGOL (EVS), Renaud MAYOUD (EVS), Orline POULAT (MSH LYSE), Thomas PRIEUR (CERCRID), Vincent VENTRESQUE (IHRIM/Triangle), Fabienne VIAL-BONACCI (IHRIM/CNRS).

Excusée : Geneviève GARDIN (SCD).

Le premier Café GANESHs s’est tenu le 29 juin 2023 au CSI, plateforme IXR, Bâtiment des Forges (site Carnot) avec Philippe COLANTONI, vice-président numérique de l’UJM et des actrices et acteurs de la recherche et du numérique.

Le Café s’est ouvert avec l’annonce de la prochaine rencontre qui aura lieu début octobre 2023 en présence de madame Christelle BAHIER-PORTE, vice-présidente à la Recherche de l’UJM et les directions des laboratoires. Il a également été annoncé la tenue d’un événement annuel GANESHs autour des grandes questions numériques qui traversent l’Université française, notamment la place de l’IA et le droit des données. 

L’ouverture de ce premier Café GANESHs a été l’occasion de présenter les ambitions du groupe stéphanois, principalement la fédération de tous les acteurs qui œuvrent au développement des Humanités Numériques à Saint-Etienne, autour de réflexions, d’échanges et de rencontres plus ou moins informels d’un groupe de bonne volonté, au sein duquel l’investissement se fait à l’envie, en fonction du temps des uns et des autres. 

Au cœur de GANESHs convergent l’idée d’une interaction avec la politique numérique de l’Université, le partage de pratiques entre les actrices et acteurs du numérique, l’établissement de liens avec les partenaires extérieurs de l’UJM (MSH, Huma-Num, Maté SHS…), un positionnement comme relais d’informations à la fois ascendantes et descendantes afin de faire écho aux initiatives locales et au projets remarquables, dans le but aussi d’identifier les acteurs et dégager des thématiques de réflexion commune (ex. droit des données, droit d’auteur, droit d’usage). 

GANESHs s’est emparé également de la question de la formation, au travers de l’investissement de ses membres au sein de différents parcours pédagogiques comme l’UEOS Humanités Numériques proposée aux étudiant.e.s de 2e et 3e année de Licence ALL et SHS, le Master Métiers de l’Historien et le Master Géomatique.

Le tour de table a été l’occasion pour Philippe COLANTONI de présenter la politique de l’UJM sur le terrain du numérique : 

  • Le développement d’un Cloud pédagogie avec la mise en place de VM et de salles virtuelles (type BYOD)
  • le déploiement du plan data, avec l’annonce pour la rentrée d’un stockage massif et collaboratif de 2 pétaoctets, la nécessité d’en rationaliser l’usage, la proposition des services MyDrive et NextCloud. 

Pour l’instant, ce dispositif reste expérimental. Le VP s’est également arrêté sur l’idée d’identifier les données ayant de la valeur, en lien avec les questions de la science ouverte et des pratiques de sobriété numérique. Sur ces deux points, GANESHs aura vocation à synthétiser demandes et infos. Sur la question de l’IA, il apparaît nécessaire d’engager une réflexion d’envergure au sein de l’UJM, particulièrement en SHS. 

La question de la formation spécifique des ingénieurs a été posée. Là aussi GANESHs pourrait appuyer des demandes de formations spécifiques dans le domaine des HN, demandes qui pourraient s’intégrer dans le plan de formation de l’Établissement.

GANESHs aura vocation à dialoguer avec des acteurs HN comme l’Atelier des données et à s’engager dans des démarches participatives ou de partenariat avec des instances institutionnelles comme le GT science ouverte, l’Institut Arts ou le SCD.

Au cours des échanges a émergé l’idée de la création d’un Service Universitaire de la Recherche, utile à la coordination de l’ingénierie, par analogie avec le SUPédagogie.

Le réseau GANESHs s’est doté d’une liste de diffusion (ganeshs@groupes.renater.fr) et d’un carnet hypothèse (https://ganeshs.hypotheses.org).

Premier “café GANESHs” : rencontre avec Philippe Colantoni, VP numérique à l’UJM.

Premier “café GANESHs” : rencontre avec Philippe Colantoni:

le 29 juin à 9h15 au CSI à la plateforme IXR, Bâtiment des Forges (site Carnot),

L’échange durera 1h30 environ. Ce sera l’occasion de présenter notre groupe et ses actions à venir et de connaître les orientations de l’UJM en matière de politique du numérique.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search