@inproceedings{hieu-ngo-2025-image,
title = "Image incompl{\`e}te : Une {\'e}tude d'{\'e}tat de l{'}art sur les biais dans les grands mod{\`e}les de langage",
author = "Hieu Ngo, Trung",
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 des 18e Rencontres Jeunes Chercheurs en RI (RJCRI) et 27{\`e}me Rencontre des {\'E}tudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RECITAL)",
month = "6",
year = "2025",
address = "Marseille, France",
publisher = "ATALA {\textbackslash}{\textbackslash}{\&} ARIA",
url = "https://aclanthology.org/2025.jeptalnrecital-recital.11/",
pages = "175--189",
language = "fra",
abstract = "Les grands mod{\`e}les de langage (LLM) pr{\'e}-entra{\^i}n{\'e}s ont transform{\'e} le traitement du langage naturel (TALN) et les t{\^a}ches quotidiennes, surpassant les m{\'e}thodes traditionnelles. Leur utilisation a d{\'e}mocratis{\'e} l{'}acc{\`e}s, facilitant l'{\'e}criture, le codage et les conseils de sant{\'e}. Entra{\^i}n{\'e}s sur d{'}immenses corpus textuels issus d{'}internet, les LLM h{\'e}ritent de biais, perp{\'e}tuant des st{\'e}r{\'e}otypes qui peuvent fausser les repr{\'e}sentations linguistiques et causer des pr{\'e}judices repr{\'e}sentationnels ou allocationnels. Dans le domaine m{\'e}dical, o{\`u} les LLM soutiennent la communication et la documentation, ces biais pr{\'e}sentent des risques significatifs. Cette revue analyse les recherches sur les biais des LLM, identifie les lacunes concernant les d{\'e}terminants sociaux de la sant{\'e} (DSS) et discute de la n{\'e}cessit{\'e} d{'}un cadre pour les aborder de mani{\`e}re exhaustive, am{\'e}liorant l{'}int{\'e}gration s{\'e}curis{\'e}e des LLM en sant{\'e}."
}<?xml version="1.0" encoding="UTF-8"?>
<modsCollection xmlns="http://www.loc.gov/mods/v3">
<mods ID="hieu-ngo-2025-image">
<titleInfo>
<title>Image incomplète : Une étude d’état de l’art sur les biais dans les grands modèles de langage</title>
</titleInfo>
<name type="personal">
<namePart type="given">Trung</namePart>
<namePart type="family">Hieu Ngo</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 des 18e Rencontres Jeunes Chercheurs en RI (RJCRI) et 27ème Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RECITAL)</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>Les grands modèles de langage (LLM) pré-entraînés ont transformé le traitement du langage naturel (TALN) et les tâches quotidiennes, surpassant les méthodes traditionnelles. Leur utilisation a démocratisé l’accès, facilitant l’écriture, le codage et les conseils de santé. Entraînés sur d’immenses corpus textuels issus d’internet, les LLM héritent de biais, perpétuant des stéréotypes qui peuvent fausser les représentations linguistiques et causer des préjudices représentationnels ou allocationnels. Dans le domaine médical, où les LLM soutiennent la communication et la documentation, ces biais présentent des risques significatifs. Cette revue analyse les recherches sur les biais des LLM, identifie les lacunes concernant les déterminants sociaux de la santé (DSS) et discute de la nécessité d’un cadre pour les aborder de manière exhaustive, améliorant l’intégration sécurisée des LLM en santé.</abstract>
<identifier type="citekey">hieu-ngo-2025-image</identifier>
<location>
<url>https://aclanthology.org/2025.jeptalnrecital-recital.11/</url>
</location>
<part>
<date>2025-6</date>
<extent unit="page">
<start>175</start>
<end>189</end>
</extent>
</part>
</mods>
</modsCollection>
%0 Conference Proceedings
%T Image incomplète : Une étude d’état de l’art sur les biais dans les grands modèles de langage
%A Hieu Ngo, Trung
%Y Bechet, Frédéric
%Y Chifu, Adrian-Gabriel
%Y Pinel-sauvagnat, Karen
%Y Favre, Benoit
%Y Maes, Eliot
%Y Nurbakova, Diana
%S Actes des 18e Rencontres Jeunes Chercheurs en RI (RJCRI) et 27ème Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RECITAL)
%D 2025
%8 June
%I ATALA \textbackslash\textbackslash& ARIA
%C Marseille, France
%G fra
%F hieu-ngo-2025-image
%X Les grands modèles de langage (LLM) pré-entraînés ont transformé le traitement du langage naturel (TALN) et les tâches quotidiennes, surpassant les méthodes traditionnelles. Leur utilisation a démocratisé l’accès, facilitant l’écriture, le codage et les conseils de santé. Entraînés sur d’immenses corpus textuels issus d’internet, les LLM héritent de biais, perpétuant des stéréotypes qui peuvent fausser les représentations linguistiques et causer des préjudices représentationnels ou allocationnels. Dans le domaine médical, où les LLM soutiennent la communication et la documentation, ces biais présentent des risques significatifs. Cette revue analyse les recherches sur les biais des LLM, identifie les lacunes concernant les déterminants sociaux de la santé (DSS) et discute de la nécessité d’un cadre pour les aborder de manière exhaustive, améliorant l’intégration sécurisée des LLM en santé.
%U https://aclanthology.org/2025.jeptalnrecital-recital.11/
%P 175-189
Markdown (Informal)
[Image incomplète : Une étude d’état de l’art sur les biais dans les grands modèles de langage](https://aclanthology.org/2025.jeptalnrecital-recital.11/) (Hieu Ngo, JEP/TALN/RECITAL 2025)
ACL