What we’re about
Ce groupe offre l'occasion à tous les francophones d'échanger des idées et de réaliser des retours d'expériences sur la mise en application de graphes de connaissances dans le domaine industriel.
Les sujets de prédiction sont :
- Graphe de connaissances,
- Web sémantique,
- Linked Data,
- Taxonomie,
- Ontologie.
Objectifs:
- Innover en proposant des applications nouvelles;
- Maîtriser le développement technique;
- Identifier les acteurs de la filière disponibles dans votre région.
Les rencontres ont lieu, en parallèle, dans 3 villes distinctes de France:
- Paris
- Lyon
- Toulouse
Nous vous invitons à vous inscrire le plus rapidement possible et à nous faire part des thématiques particulières qui vous tiennent à cœur. Ces thématiques seront adaptées pour chaque ville selon l'intérêt de chacun.
Upcoming events (1)
See all- Rencontre du mois de juin (Paris, 5 juin 2024)Needs location
Mercredi 5 juin (de 17h à 19h)
Paris (lieu à déterminer)Horaire:
16:30-17:00 Boissons, friandises et réseautage
17:00-19:00 Présentations
19:00-20:00 Cocktail et réseautageLifeLine: Organisez la vie en dialogue.
Hugues Sansen
Ingénieur recherche et développement,
Département Électronique et Physique, Télécom SudParis.LifeLine est un ghost writer qui permet d’échanger avec les personnes sur leur vie pour générer automatiquement leur biographie. L'application permet aussi l’intégration de données issues de capteurs pour le suivi de santé à l’intérieur d’un graphe de connaissances.
Cette présentation illustre comment il est possible de jumeler ensemble la reconnaissance vocale, la reconnaissance des locuteurs et la génération de dialogues thématiques avec un LLM pour construire un graphe de connaissances personnelles.
-------------------------
Construction d’un RAG à partir d’un Graph of thoughts et d’un Graph Traversal.
Ivan Monnier - CTO
Qwam Content IntelligenceLes LLM génèrent souvent des informations inexactes ou incohérentes. L'un des moyens de prévenir ces hallucinations consiste à utiliser des graphes de connaissances qui restreignent la réponse des LLM à des informations précises.
Cette présentation illustre comment il est possible d’obtenir des réponses à spectre élargi, élaborées, synthétiques et cohérentes par le biais d’un RAG qui exploite à la fois un Graph of Thoughts (GOT) et un Graph Traversal.
-------------------------
HippoLLM: Une mémoire scrutable et robuste pour les LLMs par le biais d’une base de données hybrides Graphes-Vecteurs.
Adrian Valente
Research Engineer, InstadeepLes LLMs révolutionnent la résolution de tâches complexes en langage naturel, mais souffrent d’une fiabilité et d’une interopérabilité fortement limitées.
Nous présentons ici un système hybride LLM-KG, doté d’une nouvelle architecture de graphe de connaissance, permettant d’automatiquement extraire des informations faiblement structurées, les organiser de manière intelligible à la fois pour un requêteur humain et pour un LLM, et permettant à un modèle de langage de sourcer ses affirmations de façon fiable, tout en améliorant l’interopérabilité et l’efficacité énergétique par rapport à une approche RAG.
-------------------------
Principe de conception des graphes de connaissances pour la prise décision des opérateurs de contrôle de processus.
Yan Bodain, Ph.D.
Architecte de solutions, OntotextCette présentation illustre comment les graphes de connaissances peuvent améliorer la prise de décision dans le contrôle de processus industriel (centrales nucléaires, usines pétrochimiques, aviation et médecine).
Pour supporter la prise de décision des opérateurs, une importance toute particulière doit être apportée à la modélisation des graphes afin de rendre plus perceptibles les contraintes et les relations complexes de l’environnement de travail. Il est possible d’atteindre ce but en s’assurant que la construction des graphes de connaissances suit les principes de conception des interfaces écologiques (EID).
L’EID est un principe de conception qui répond aux problèmes soulevés par les systèmes sociotechniques complexes, temps réel, et dynamiques. EID contribue notamment à améliorer la performance de l’utilisateur et la fiabilité globale des systèmes face aux événements anticipés et non anticipés.
