Rencontre du mois d'octobre (Toulouse, 3 octobre 2024)

Jeudi 3 octobre (de 17h à 19h)
Toulouse

Horaire:
16:30-17:00 Boissons, friandises et réseautage
17:00-19:00 Présentations
19:00-20:00 Cocktail et réseautage

-------------------------
Qualification automatique de CV par le biais de graphes de connaissances avec LLM.
Badre Saddik, président, Liberciti
Vincent Henry, scientifique de la connaissance

Il est possible d’exploiter des graphes de connaissances et un grand modèle de langage (LLM) pour réaliser une qualification automatique des CV en ressources humaines.

Cette présentation illustre comment une masse de candidatures peut être automatiquement analysée et triée en fonction des compétences, de l'expérience et de la pertinence pour un poste donné. Les graphes de connaissances enrichissent cette analyse en établissant des liens entre les données telles les qualifications, les entreprises, et les compétences connexes.

Nous démontrerons qu’il est ainsi possible de diminuer de moitié le temps nécessaire pour qualifier les candidats grâce à l’utilisation de graphes de connaissances.

-------------------------
Gestion des compétences à l'aide de graphes de connaissances avec RAG (LLM).
Yan Bodain
Architecte de solutions, Ontotext

La gestion des compétences à l'aide de graphes de connaissances présente des avantages considérables dans le contexte de la formation et de l'évolution des talents. Cette approche permet une gestion proactive, précise et personnalisée des talents, tout en facilitant la planification stratégique des ressources humaines pour répondre aux évolutions rapides du marché du travail.

Cette présentation illustre comment exploiter la base de données O*NET (Occupational Information Network) pour modéliser des compétences, des connaissances, et autres caractéristiques professionnelles dans un graphe de connaissances RDF. Ce graphe de connaissances peut lui-même alimenter un LLM via une architecture RAG.

Cette présentation démontre qu’il est ainsi possible d’interroger un LLM sur les compétences et habiletés des employés directement en langage naturel.

-------------------------
Interrogation de diagrammes SysML en langage naturel via un RAG alimenté par des graphes de connaissances.
Yan Bodain
Architecte de solutions, Ontotext

Le SysML (Systems Modeling Language) est un langage de modélisation graphique conçu spécifiquement pour l'ingénierie des systèmes complexes. Il permet de représenter, d'analyser et de communiquer la structure, le comportement, les exigences et les relations entre différents composants d'un système, qu'il s'agisse de matériel, de logiciel, de personnes ou de processus.

Cette présentation illustre comment il est possible de transposer des informations d'un modèle SysML v2 (Systems Modeling Language version 2) dans un graphe de connaissances RDF. Ces connaissances peuvent être bonifiées par des inférences ou d’autres sources de données avant d’alimenter un LLM dans une architecture RAG.

Cette présentation démontre ainsi que des utilisateurs peuvent directement effectuer des requêtes en langage naturel sur des données issues de diagrammes SysML tout en bénéficiant de relations plus larges issues d’un graphe de connaissances.