École d'été | 8 juin 2026 : Trust, Semantics, and Large Language Models par Dean Allemang

Valeur des informations & solidité de l’argumentation

La valeur des informations est élevée : l’orateur s’appuie sur une étude expérimentale publiée, dont il détaille la méthodologie et les résultats, et il distingue clairement les faits mesurés des conjectures personnelles. L’argumentation est solide, structurée autour de quatre piliers de confiance, et illustrée par des exemples concrets du domaine bancaire. Il répond aux objections potentielles en encourageant la reproduction de l’expérience. La démonstration est convaincante, même si certaines conjectures (comme l’influence de l’histoire des langages) restent spéculatives.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est bonne : l’orateur cite des travaux (dont le sien) et fournit des références dans l’abstract. Il précise que les résultats sont issus d’une expérience contrôlée avec des données et une méthodologie publiées. La qualité des sources est correcte, mais la vidéo ne fournit pas de liens directs dans la description. L’adéquation titre/contenu est bonne : le titre annonce clairement le sujet, et la présentation y correspond. Aucun commentaire n’est fourni pour analyser les tendances du public.

Le titre reflète bien le contenu : la conférence traite de la confiance, de la sémantique et des LLM, avec une approche par graphes de connaissances.

8/10

Conférence académique par un expert reconnu (Dean Allemang), s'appuyant sur une étude publiée et des expériences reproductibles. Le contenu est technique, précis, et les affirmations sont étayées par des références. Quelques conjectures sont clairement identifiées comme telles.

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 00:00Introduction et remerciements aux intervenants précédents.
• 03:00Usages courants des LLM par le grand public : résumés, emails, lecture de conditions d'utilisation.
• 07:00Les utilisateurs délaissent les LLM pour les questions factuelles, préférant Google.
• 10:00Les entreprises veulent des réponses factuelles fiables, mais les LLM ne fournissent ni provenance ni auditabilité.
• 13:00Présentation des quatre piliers de la confiance : provenance, auditabilité, gouvernance, fidélité.
• 16:00Architecture proposée : le LLM traduit la question en requête SPARQL, validée avant exécution.
• 20:00Le LLM comme traducteur : il ne répond pas directement, mais génère une requête formelle.
• 24:00Description des données : CSV, DDL, ontologies OWL. Expérience personnelle avec GPT-3.5 sur CSV.
• 28:00Étude comparative OWL/SPARQL vs DDL/SQL : résultats trois fois meilleurs avec OWL/SPARQL.
• 32:00Conjectures pour expliquer les résultats : similarité syntaxique, histoire des langages, complexité des jointures SQL.
• 36:00Invitation à reproduire l'expérience et à tester d'autres formalismes comme Cypher.

• Article de recherche sur l'utilisation d'ontologies pour la génération de requêtes (référence mentionnée dans l'abstract) — L'orateur mentionne une étude publiée comparant OWL/SPARQL et DDL/SQL, dont il est co-auteur.

• Article de recherche sur l'utilisation d'ontologies pour la génération de requêtes (référence mentionnée dans l'abstract) — L'orateur mentionne une étude publiée comparant OWL/SPARQL et DDL/SQL, dont il est co-auteur.