@inproceedings{kelious-2025-exploration,
title = "Exploration de strat{\'e}gies de pr{\'e}diction de la complexit{\'e} lexicale en contexte multilingue {\`a} l{'}aide de mod{\`e}les de langage g{\'e}n{\'e}ratifs et d{'}approches supervis{\'e}es.",
author = "Kelious, Abdelhak",
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 l'atelier {\'E}valuation des mod{\`e}les g{\'e}n{\'e}ratifs (LLM) et challenge 2025 (EvalLLM)",
month = "6",
year = "2025",
address = "Marseille, France",
publisher = "ATALA {\textbackslash}{\textbackslash}{\&} ARIA",
url = "https://aclanthology.org/2025.jeptalnrecital-evalllm.17/",
pages = "202--203",
language = "fra",
abstract = "Cet article explore des m{\'e}thodes permettant de pr{\'e}dire automatiquement la complexit{\'e} lexicale dans un contexte multilingue {\`a} l{'}aide de mod{\`e}les avanc{\'e}s de traitement automatique du langage naturel. Plus pr{\'e}cis{\'e}ment, il {\'e}tudie l{'}utilisation de l{'}apprentissage par transfert et des techniques d{'}augmentation de donn{\'e}es dans un cadre d{'}apprentissage supervis{\'e}, mettant en lumi{\`e}re l{'}int{\'e}r{\^e}t notable des approches multilingues. Nous {\'e}valuons {\'e}galement le potentiel des grands mod{\`e}les de langage g{\'e}n{\'e}ratifs pour la pr{\'e}diction de la complexit{\'e} lexicale. {\`A} travers diff{\'e}rentes strat{\'e}gies de requ{\^e}tage (zero-shot, one-shot et prompts avec raisonnement en cha{\^i}ne), nous analysons les performances des mod{\`e}les dans plusieurs langues. Nos r{\'e}sultats montrent que, bien que les mod{\`e}les g{\'e}n{\'e}ratifs obtiennent des performances prometteuses, leur qualit{\'e} pr{\'e}dictive reste variable, et les mod{\`e}les optimis{\'e}s pour une t{\^a}che sp{\'e}cifique continuent de les surpasser lorsqu{'}ils disposent de donn{\'e}es d{'}entra{\^i}nement suffisantes."
}<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="kelious-2025-exploration">
<titleInfo>
<title>Exploration de stratégies de prédiction de la complexité lexicale en contexte multilingue à l’aide de modèles de langage génératifs et d’approches supervisées.</title>
</titleInfo>
<name type="personal">
<namePart type="given">Abdelhak</namePart>
<namePart type="family">Kelious</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 l’atelier Évaluation des modèles génératifs (LLM) et challenge 2025 (EvalLLM)</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>Cet article explore des méthodes permettant de prédire automatiquement la complexité lexicale dans un contexte multilingue à l’aide de modèles avancés de traitement automatique du langage naturel. Plus précisément, il étudie l’utilisation de l’apprentissage par transfert et des techniques d’augmentation de données dans un cadre d’apprentissage supervisé, mettant en lumière l’intérêt notable des approches multilingues. Nous évaluons également le potentiel des grands modèles de langage génératifs pour la prédiction de la complexité lexicale. À travers différentes stratégies de requêtage (zero-shot, one-shot et prompts avec raisonnement en chaîne), nous analysons les performances des modèles dans plusieurs langues. Nos résultats montrent que, bien que les modèles génératifs obtiennent des performances prometteuses, leur qualité prédictive reste variable, et les modèles optimisés pour une tâche spécifique continuent de les surpasser lorsqu’ils disposent de données d’entraînement suffisantes.</abstract>
<identifier type="citekey">kelious-2025-exploration</identifier>
<location>
<url>https://aclanthology.org/2025.jeptalnrecital-evalllm.17/</url>
</location>
<part>
<date>2025-6</date>
<extent unit="page">
<start>202</start>
<end>203</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Exploration de stratégies de prédiction de la complexité lexicale en contexte multilingue à l’aide de modèles de langage génératifs et d’approches supervisées.
%A Kelious, Abdelhak
%Y Bechet, Frédéric
%Y Chifu, Adrian-Gabriel
%Y Pinel-sauvagnat, Karen
%Y Favre, Benoit
%Y Maes, Eliot
%Y Nurbakova, Diana
%S Actes de l’atelier Évaluation des modèles génératifs (LLM) et challenge 2025 (EvalLLM)
%D 2025
%8 June
%I ATALA \textbackslash\textbackslash& ARIA
%C Marseille, France
%G fra
%F kelious-2025-exploration
%X Cet article explore des méthodes permettant de prédire automatiquement la complexité lexicale dans un contexte multilingue à l’aide de modèles avancés de traitement automatique du langage naturel. Plus précisément, il étudie l’utilisation de l’apprentissage par transfert et des techniques d’augmentation de données dans un cadre d’apprentissage supervisé, mettant en lumière l’intérêt notable des approches multilingues. Nous évaluons également le potentiel des grands modèles de langage génératifs pour la prédiction de la complexité lexicale. À travers différentes stratégies de requêtage (zero-shot, one-shot et prompts avec raisonnement en chaîne), nous analysons les performances des modèles dans plusieurs langues. Nos résultats montrent que, bien que les modèles génératifs obtiennent des performances prometteuses, leur qualité prédictive reste variable, et les modèles optimisés pour une tâche spécifique continuent de les surpasser lorsqu’ils disposent de données d’entraînement suffisantes.
%U https://aclanthology.org/2025.jeptalnrecital-evalllm.17/
%P 202-203
Markdown (Informal)
[Exploration de stratégies de prédiction de la complexité lexicale en contexte multilingue à l’aide de modèles de langage génératifs et d’approches supervisées.](https://aclanthology.org/2025.jeptalnrecital-evalllm.17/) (Kelious, JEP/TALN/RECITAL 2025)
ACL