Intégration d'un Graphe de Connaissances Médicales dans un Système d'Assistance Intelligent Basé sur la Génération Augmentée par Récupération.

Abstract

Dans le cadre d'un contexte médical dans lequel la véracité et la pertinence de l'information sont incontournables, ce travail propose le développement d'un système d'assistance médicale intelligente reposant sur une architecture de génération augmentée par récupération par un graphe de connaissances biomédicales. Un système accessible et intuitif a été mis en place pour que l'utilisateur, qu'il soit patient ou personnel soignant, soit en mesure d'interagir facilement avec le système. La globalité de la solution a été testée à travers des scénarios expérimentaux permettant de faire preuve de l'efficacité de cette dernière. L'objectif principal de ce mémoire est d'améliorer la précision, la contextualisation et la cohérence des réponses générées dans un cadre médical, en combinant les capacités de récupération d'information avec la génération de langage naturel adaptée au domaine biomédical. L'approche adoptée repose sur l'utilisation de modèles avancés pour la production d'embed- dings sémantiques et la génération de réponses médicales. BioBERT se distingue par sa capacité à offrir des représentations sémantiques précises des termes médicaux, tandis que BioGPT démontre une efficacité notable dans la génération de réponses pertinentes et compréhensibles, adaptées au domaine de la santé. Mots clés : Graphes de Connaissances, Génération Augmentée par Récupération, Appariement Sémantique, Extraction d'Information et Génération de Texte.