Traduction de requêtes formulées en langage naturel en requêtes SPARQL en vue d'interagir avec des données parlementaires en libre accès

Scénario n° : 042

Auteur : Sénat d'Italie

Date : 18 juin 2024 
 

Objectif :

Développer un système d'IA capable de traduire des requêtes formulées en langage naturel en requêtes SPARQL, afin de permettre aux utilisateurs d'interagir avec des données parlementaires en libre accès stockées dans une ontologie structurée et d'améliorer l'accessibilité et l'utilisation des données. 

Acteurs :

• Chercheurs parlementaires
• Citoyens intéressés par les données parlementaires
• Équipe de développement IA
• Spécialistes en ontologie des données 

Conditions préalables :

• Ontologie complète représentant les données parlementaires
• Système de traitement du langage naturel ou de grand modèle de langage entraîné au langage parlementaire et à la syntaxe SPARQL
• Accès au référentiel parlementaire de données en libre accès 

Scénario :

1. L'utilisateur saisit une requête en langage naturel (p. ex. « Quel était le résultat du vote sur le projet de loi relatif à la réforme du système de santé en 2023 ? »).
2. Le système traite l'entrée au moyen d'un système de traitement du langage naturel ou d'un grand modèle de langage en repérant les entités clés et l'intention de la requête.
3. Le système traduit la requête traitée en requête SPARQL correspondante.
4. La requête SPARQL est exécutée par rapport à l'ontologie des données parlementaires.
5. Le système extrait les données pertinentes et les présente à l'utilisateur dans un format convivial, tel qu'un tableau ou un résumé.

Flux alternatifs :

• Si la requête en langage naturel est ambiguë ou incomplète, le système demande des précisions ou des informations supplémentaires à l'utilisateur avant de procéder à la traduction.
• Si les données demandées ne sont pas disponibles ou si l'ontologie ne couvre pas le champ de la requête, le système informe l'utilisateur et lui suggère d'éventuelles modifications à apporter. 

Résultats attendus :

• L'accès aux données parlementaires est amélioré par une interface intuitive.
• Les données sont plus facilement accessibles aux non-spécialistes, ce qui renforce les interactions et la transparence.
• Les données pertinentes sont extraites et présentées de manière efficace, ce qui permet aux chercheurs et au public de gagner du temps. 

Problèmes potentiels :

• Garantir la précision du modèle en matière de compréhension et de traduction des requêtes
• Traiter des requêtes complexes ou multidimensionnelles, qui ne correspondent pas forcément directement à SPARQL
• Maintenir la capacité du système à comprendre et à traduire le langage parlementaire – évolutif par nature – et les nouvelles structures de données 

Données requises :

• Ontologie de données parlementaires détaillée et actualisée
• Grand ensemble de données provenant d'anciennes requêtes et de requêtes SPARQL correspondantes aux fins de l'entraînement du modèle de traitement du langage naturel
• Mises à jour continues du modèle et de l'ontologie pour traiter les nouvelles données et requêtes 

Intégration à d'autres systèmes :

• Intégration au référentiel de données parlementaires existant
• Interfaces des applications web et mobiles pour les interactions avec les utilisateurs
• Outils d'analyse pour surveiller les performances du système et les modèles d'interaction avec les utilisateurs 

Indicateurs de réussite :

• Niveau de précision de la traduction des requêtes SPARQL
• Évaluation de la satisfaction des utilisateurs en fonction des résultats de la requête
• Réduction du temps nécessaire pour extraire des données parlementaires pertinentes
• Nombre de requêtes traitées avec succès sans intervention humaine