@inproceedings{lesavourey-hubert-2025-restructuration,
title = "Restructuration de la Litt{\'e}rature Biom{\'e}dicale dans une Architecture {RAG} pour la G{\'e}n{\'e}ration de R{\'e}ponse",
author = "Lesavourey, Mael and
Hubert, Gilles",
editor = "Bechet, Fr{\'e}d{\'e}ric and
Chifu, Adrian-Gabriel and
Pinel-sauvagnat, Karen and
Favre, Benoit and
Maes, Eliot and
Nurbakova, Diana",
booktitle = "Actes de la 20e Conf{\'e}rence en Recherche d{'}Information et Applications (CORIA)",
month = "6",
year = "2025",
address = "Marseille, France",
publisher = "ATALA {\textbackslash}{\textbackslash}{\&} ARIA",
url = "https://aclanthology.org/2025.jeptalnrecital-coria.17/",
pages = "183--200",
language = "fra",
abstract = "Le Question Answering Biom{\'e}dical (BQA) pr{\'e}sente des d{\'e}fis sp{\'e}cifiques li{\'e}s au vocabulaire sp{\'e}cialis{\'e} et aux structures s{\'e}mantiques complexes de la litt{\'e}rature biom{\'e}dicale. Les grands mod{\`e}les de langage (LLMs) ont montr{\'e} d{'}excellentes performances dans plusieurs t{\^a}ches de compr{\'e}hension et de g{\'e}n{\'e}ration du langage naturel. Cependant, leur efficacit{\'e} tend {\`a} diminuer dans des domaines sp{\'e}cifiques, comme la biom{\'e}decine. Pour rem{\'e}dier {\`a} ce probl{\`e}me, les architectures de g{\'e}n{\'e}ration augment{\'e}e de r{\'e}cup{\'e}ration (RAG) sont devenues une approche prometteuse, combinant les avantages des m{\'e}thodes de recherche d{'}information et des LLMs afin d{'}int{\'e}grer des connaissances sp{\'e}cifiques au domaine dans le processus de g{\'e}n{\'e}ration. Dans cet article, nous {\'e}tudions le r{\^o}le du contexte dans l{'}am{\'e}lioration des performances des pipelines RAG pour le BQA. Nous montrons que l{'}int{\'e}gration d{'}un contexte bas{\'e} sur une restructuration appropri{\'e}e de la litt{\'e}rature influence positivement la qualit{\'e} des r{\'e}ponses g{\'e}n{\'e}r{\'e}es, en am{\'e}liorant {\`a} la fois les m{\'e}triques s{\'e}mantiques et lexicales."
}<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="lesavourey-hubert-2025-restructuration">
<titleInfo>
<title>Restructuration de la Littérature Biomédicale dans une Architecture RAG pour la Génération de Réponse</title>
</titleInfo>
<name type="personal">
<namePart type="given">Mael</namePart>
<namePart type="family">Lesavourey</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Gilles</namePart>
<namePart type="family">Hubert</namePart>
<role>
<roleTerm authority="marcrelator" type="text">author</roleTerm>
</role>
</name>
<originInfo>
<dateIssued>2025-06</dateIssued>
</originInfo>
<typeOfResource>text</typeOfResource>
<language>
<languageTerm type="text">fra</languageTerm>
</language>
<relatedItem type="host">
<titleInfo>
<title>Actes de la 20e Conférence en Recherche d’Information et Applications (CORIA)</title>
</titleInfo>
<name type="personal">
<namePart type="given">Frédéric</namePart>
<namePart type="family">Bechet</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Adrian-Gabriel</namePart>
<namePart type="family">Chifu</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Karen</namePart>
<namePart type="family">Pinel-sauvagnat</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Benoit</namePart>
<namePart type="family">Favre</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Eliot</namePart>
<namePart type="family">Maes</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<name type="personal">
<namePart type="given">Diana</namePart>
<namePart type="family">Nurbakova</namePart>
<role>
<roleTerm authority="marcrelator" type="text">editor</roleTerm>
</role>
</name>
<originInfo>
<publisher>ATALA \textbackslash\textbackslash& ARIA</publisher>
<place>
<placeTerm type="text">Marseille, France</placeTerm>
</place>
</originInfo>
<genre authority="marcgt">conference publication</genre>
</relatedItem>
<abstract>Le Question Answering Biomédical (BQA) présente des défis spécifiques liés au vocabulaire spécialisé et aux structures sémantiques complexes de la littérature biomédicale. Les grands modèles de langage (LLMs) ont montré d’excellentes performances dans plusieurs tâches de compréhension et de génération du langage naturel. Cependant, leur efficacité tend à diminuer dans des domaines spécifiques, comme la biomédecine. Pour remédier à ce problème, les architectures de génération augmentée de récupération (RAG) sont devenues une approche prometteuse, combinant les avantages des méthodes de recherche d’information et des LLMs afin d’intégrer des connaissances spécifiques au domaine dans le processus de génération. Dans cet article, nous étudions le rôle du contexte dans l’amélioration des performances des pipelines RAG pour le BQA. Nous montrons que l’intégration d’un contexte basé sur une restructuration appropriée de la littérature influence positivement la qualité des réponses générées, en améliorant à la fois les métriques sémantiques et lexicales.</abstract>
<identifier type="citekey">lesavourey-hubert-2025-restructuration</identifier>
<location>
<url>https://aclanthology.org/2025.jeptalnrecital-coria.17/</url>
</location>
<part>
<date>2025-6</date>
<extent unit="page">
<start>183</start>
<end>200</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Restructuration de la Littérature Biomédicale dans une Architecture RAG pour la Génération de Réponse
%A Lesavourey, Mael
%A Hubert, Gilles
%Y Bechet, Frédéric
%Y Chifu, Adrian-Gabriel
%Y Pinel-sauvagnat, Karen
%Y Favre, Benoit
%Y Maes, Eliot
%Y Nurbakova, Diana
%S Actes de la 20e Conférence en Recherche d’Information et Applications (CORIA)
%D 2025
%8 June
%I ATALA \textbackslash\textbackslash& ARIA
%C Marseille, France
%G fra
%F lesavourey-hubert-2025-restructuration
%X Le Question Answering Biomédical (BQA) présente des défis spécifiques liés au vocabulaire spécialisé et aux structures sémantiques complexes de la littérature biomédicale. Les grands modèles de langage (LLMs) ont montré d’excellentes performances dans plusieurs tâches de compréhension et de génération du langage naturel. Cependant, leur efficacité tend à diminuer dans des domaines spécifiques, comme la biomédecine. Pour remédier à ce problème, les architectures de génération augmentée de récupération (RAG) sont devenues une approche prometteuse, combinant les avantages des méthodes de recherche d’information et des LLMs afin d’intégrer des connaissances spécifiques au domaine dans le processus de génération. Dans cet article, nous étudions le rôle du contexte dans l’amélioration des performances des pipelines RAG pour le BQA. Nous montrons que l’intégration d’un contexte basé sur une restructuration appropriée de la littérature influence positivement la qualité des réponses générées, en améliorant à la fois les métriques sémantiques et lexicales.
%U https://aclanthology.org/2025.jeptalnrecital-coria.17/
%P 183-200
Markdown (Informal)
[Restructuration de la Littérature Biomédicale dans une Architecture RAG pour la Génération de Réponse](https://aclanthology.org/2025.jeptalnrecital-coria.17/) (Lesavourey & Hubert, JEP/TALN/RECITAL 2025)
ACL