Communication dans un congrès
SEME
SEMantics and Information Extraction (SEME)
The SEME (semantics and information extraction) team is interested in the problems of accessing the meaning contained in language productions, for the purposes of analysis, comprehension, modeling or production. We apply our research to the written modality, without restriction on the original medium (text produced in electronic format, or from a speech transcription, or from optical recognition) and work on productions in open or specialized domains such as the medical field. We use both linguistic and statistical or neural learning approaches. We are particularly interested in the latter type of approach, and in the environmental costs they generate in automatic language processing, both during production and during use.
- Information extraction
- Corpus and modeling
- Sémantics, poly-lexical expressions
The team comprises 10 permanent members (CNRS researchers, lecturers at Université Paris-Saclay, ENSIIE, and Université Sorbonne Paris-Nord), 14 PhD students, and 3 post-docs or fixed-term contracts. We maintain links with industry (theses under CIFRE contracts, research projects) and regularly organize scientific events (TALN conference, scientific workshops, etc.).
Coordination
-
Sciences et Technologies des Langues
Direction, SEME
Grouin Cyril
Research Engineer
Deputy Director (DUA)
Members
-
-
-
-
-
-
-
-
-
-
Sciences et Technologies des Langues
SEME
Feillet Eva
Associate Professor
Deep learning
Continual learning
-
-
-
Sciences et Technologies des Langues
Direction, SEME
Grouin Cyril
Research Engineer
Deputy Director (DUA)
-
-
-
-
-
-
-
-
-
-
-
-
-
Sciences et Technologies des Langues
SEME
Paroubek Patrick
Research Engineer
Natural Language Processing Expert
-
-
-
-
-
-
-
-
-
-
-
Sciences et Technologies des Langues
SEME
Zweigenbaum Pierre
Senior Researcher
Information extraction from biomedical text
PI in ANR-DFG-JST project KEEPHA and ANR PREDHIC
Publications
-
-
Article dans une revue
Clémentine Bleuze, Karën Fort, Vincent P Martin, Aurélie Névéol. Large Language Models for Mental Health Prediction: Scoping Review of Bias and Clinical Utility Documentation in 2019-2024. JMIR AIArtificial Intelligence, 2026, 5, pp.e88082-e88082. ⟨10.2196/88082⟩. ⟨hal-05717650⟩
-
Communication dans un congrès
Marco Naguib, Christel Gérardin, Victor Beaucoté, Cyril Charron, Adrien Joseph, et al.. Evaluating the Retrieval Component in a Retrieval-Augmented Summarization System for Patient Records in French. The Fifteenth Language Resources and Evaluation Conference (LREC 2026), May 2026, Palma, France. pp.57-65, ⟨10.63317/4cy8xxinjw7z⟩. ⟨hal-05716360⟩
-
Communication dans un congrès
Aygalic Jara-Mikolajczak, Thomas Lavergne, Christophe Servan, Sophie Rosset. Robustesse des LLM dans les contextes longs, hallucinations et détection sur questions-réponses séquentielles. 21e Conférence en Recherche d’Information et Applications (CORIA) 19e Rencontres Jeunes Chercheurs en RI (RJCRI) 33e Conférence sur le Traitement Automatique des Langues Naturelles (TALN) 28e Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RÉCITAL), Jun 2026, Nantes, France. pp.512-523. ⟨hal-05708368⟩
-
Communication dans un congrès
Zhongjie Li, Rim Abrougui, Guillaume Lechien, Elisabeth Savatier, Benoît Laurent, et al.. Sem-G-RAG, combiner sémantique symbolique à base de graphes et LLM pour le RAG. 21e Conférence en Recherche d’Information et Applications (CORIA) 19e Rencontres Jeunes Chercheurs en RI (RJCRI) 33e Conférence sur le Traitement Automatique des Langues Naturelles (TALN) 28e Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RÉCITAL), Jun 2026, Nantes, France. pp.544-563. ⟨hal-05708371⟩
-
Communication dans un congrès
Eve Sauvage, Cyril Grouin, Julien Tourille. Tous les tokens sont-ils utiles pour les modèles de langues ?. 21e Conférence en Recherche d’Information et Applications (CORIA) 19e Rencontres Jeunes Chercheurs en RI (RJCRI) 33e Conférence sur le Traitement Automatique des Langues Naturelles (TALN) 28e Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RÉCITAL), Jun 2026, Nantes, France. pp.595-609. ⟨hal-05708373⟩
-
Communication dans un congrès
Oumaima El Khettari, Virgile Barthet, Guillaume Hocquet, Joconde Weller, Emmanuel Morin, et al.. Is Clinical Text Enough? A Multimodal Study on Mortality Prediction in Heart Failure Patients. LREC 2026 – 15th Language Resources and Evaluation Conference, May 2026, Palma, Spain. pp.194-206, ⟨10.63317/47hsfchk79n6⟩. ⟨hal-05709146⟩
-
Communication dans un congrès
Lounès Kebdi, Lubin Longuépée, Mathilde Aguiar, Pierre Zweigenbaum, Nona Naderi. Impact de l’affinage de modèles génératifs pour l’inférence en langue naturelle appliquée aux essais cliniques : comparaison avec des approches de *few-shot learning. 21e Conférence en Recherche d’Information et Applications (CORIA) 19e Rencontres Jeunes Chercheurs en RI (RJCRI) 33e Conférence sur le Traitement Automatique des Langues Naturelles (TALN) 28e Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RÉCITAL), Jun 2026, Nantes, France. pp.303-321. ⟨hal-05708357⟩
-
Proceedings/Recueil des communications
Vincent Claveau, Nicolas Diniz, Juliane Flament, Nihel Kooli, Jose Moreno, et al.. Actes de l’atelier sur l’évaluation des modèles génératifs (LLM) et challenges (EvalLLM 2026). 21e Conférence en Recherche d’Information et Applications (CORIA) 19e Rencontres Jeunes Chercheurs en RI (RJCRI) 33e Conférence sur le Traitement Automatique des Langues Naturelles (TALN) 28e Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RÉCITAL), Jun 2026, Nantes, France. ATALA, 2026. ⟨hal-05708467⟩
-
Communication dans un congrès
Khanh-an C. Quan, Camille Guinaudeau, Shin’Ichi Satoh. Évaluation de la cohérence des modèles vision-langage pour la tâche de question-réponse visuelle. 21e Conférence en Recherche d’Information et Applications (CORIA) 19e Rencontres Jeunes Chercheurs en RI (RJCRI) 33e Conférence sur le Traitement Automatique des Langues Naturelles (TALN) 28e Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RÉCITAL), Jun 2026, Nantes, France. pp.64-74. ⟨hal-05708471⟩
-
Communication dans un congrès
You Zuo, Kim Gerdes, Éric de la Clergerie, Benoît Sagot. Sparse Coverage: Semantic Center Representations for Patent Prior-Art Retrieval. CORIA-TALN 2026 – 21e Conférence en Recherche d’Information et Applications (CORIA), Jun 2026, Nantes, France. ⟨hal-05707237⟩
-
Communication dans un congrès
Younes Djemmal, Olutola Oloruntobi Paul, Kim Gerdes. Au-delà des résumés : Apprentissage des représentations d’articles scientifiques à partir de fenêtres de texte intégral. 21e Conférence en Recherche d’Information et Applications (CORIA) 19e Rencontres Jeunes Chercheurs en RI (RJCRI) 33e Conférence sur le Traitement Automatique des Langues Naturelles (TALN) 28e Rencontre des Étudiants Chercheurs en Informatique pour le Traitement Automatique des Langues (RÉCITAL), Jun 2026, Nantes, France. pp.31-50. ⟨hal-05708484⟩
-
Communication dans un congrès
Marc Evrard, Rémi Uro, Nicolas Hervé, Béatrice Mazoyer. French Tweet Corpus for Automatic Stance Detection. Proceedings of the Twelfth International Conference on Language Resources and Evaluation (LREC 2020), ELRA, May 2025, Marseille, France. pp.6317-6322. ⟨hal-05682655⟩
-
Communication dans un congrès
Lorena de la Garza, Julie Halbout, Julie Lascar, Niels Martinez-Guevara, Arturo Curiel, et al.. Extracting Signs from Weakly Aligned Sign Language Corpora: A Study on LSF and LSM. 12th Workshop on the Representation and Processing of Sign Languages: Language in Motion (LREC 2026), May 2026, Palma De MaJorque, Spain. pp.174-183, ⟨10.63317/38kfot52b4dz⟩. ⟨hal-05688151⟩
-
Communication dans un congrès
Lucía Catalán, Kim Gerdes. On the difficulty of producing good linguistic lies. Atelier sur l’Analyse et la Recherche de Textes Scientifiques 2026 (ARTS), Jun 2026, Nantes, France. ⟨hal-05688347⟩
-
Communication dans un congrès
Idrissa Mahamoudou Dicko, Nona Naderi. Synergizing Domain-Specific Masked Language Models and Instruction-Tuned LLMs for Chemical NER. Atelier IAIntelligence Artificielle et santé, Jun 2026, Arras, France. ⟨hal-05679910⟩
-
Communication dans un congrès
Jose Felipe Espinosa Orjuela, Philippe Boula de Mareüil, Marc Evrard. Speech synthesis for Walloon, an under-resourced minority language. 13th edition of the Speech Synthesis Workshop, Aug 2025, Leeuwarden, Netherlands. pp.189-195, ⟨10.21437/SSW.2025-29⟩. ⟨hal-05682647⟩
-
Communication dans un congrès
Benedictus Kent Rachmat, Thomas Gerald, Zheng Zhang, Cyril Grouin. QA Analysis in Medical and Legal Domains: A Survey of Data Augmentation in Low-Resource Settings. ACL 2025 – 63rd Annual Meeting of the Association for Computational Linguistics (Volume 4: Student Research Workshop), ACL, Jul 2025, Vienna, Austria. pp.1132-1144, ⟨10.18653/v1/2025.acl-srw.89⟩. ⟨hal-05683004⟩
-
Communication dans un congrès
Laura Ascone, Lucie Gianola, Julien Longhi, Laurène Renaut. La linguistique forensique pour l’analyse du discours : anticiper les risques, aider à la décision, répondre aux menaces. Colloque R2DIP, « Les notions de risques, société et sécurité dans les discours institutionnels et politiques », CY Cergy Paris Université, Dec 2017, Cergy, France. ⟨hal-05682141⟩
-
Proceedings/Recueil des communications
Nina Khairova, Victoria Vysotska, Natalia Grabar, Thierry Hamon, Nina Rizun. Preface: computational linguistics workshop. Computational Linguistics Workshop at 9th International Conference on Computational Linguistics and Intelligent Systems, May 2025, Kharkiv, Ukraine. Vol-3976, 2025. ⟨hal-05682500⟩
-
Autre publication scientifique
Théophile Lenoir, Ana Valdivia, Aurélie Bugeau, Anne-Laure Ligozat. Beyond the Energy Efficiency Directive. Observatory on the Environmental Footprint of AIArtificial Intelligence, 2026. ⟨hal-05680820⟩
-
Communication dans un congrès
Iskandar Boucharenc, Eve Sauvage, Thomas Gerald, Julien Tourille, Sabrina Campano, et al.. Using Syntax for the Semantic Representation of Sentences. SLiDE 1st Workshop on Structured Linguistic Data and Evaluation at the 2026 Language Resources and Evaluation Conference (LREC 2026), May 2026, Palma de majorque, Spain. pp.169–179, ⟨10.63317/4gtinxarm3dd⟩. ⟨hal-05669816⟩
-
Communication dans un congrès
Clément Morand, Aurélie Névéol, Anne-Laure Ligozat. The Rising Unsustainability of AIArtificial Intelligence Graphics Cards Production. LIMITS 2026: 12th Workshop on Computing within Limits, Jun 2026, Online, France. ⟨hal-05666542⟩
-
Communication dans un congrès
Kim Gerdes. The Grammar Does the Work: Functional vs. Lexical Dependency Length Minimization Across Universal Dependencies. UDW 2026 – Ninth Workshop on Universal Dependencies, May 2026, Palma De MaJorque, Spain. pp.163-173, ⟨10.63317/4akqrtsv7i65⟩. ⟨hal-05676925⟩
-
Communication dans un congrès
Iskandar Boucharenc, Sahar Ghannay, Christophe Servan, Laure Soulier, Sophie Rosset. Étude de l’adaptation des gros modèles de langues par retour visuel. Journée Visu, GdR IG-RV, Jun 2023, Orsay, France. ⟨hal-05670004⟩
-
Communication dans un congrès
Emmett Strickland, Marc Evrard, Valentina Fedchenko. Transfer Learning for Creole TTS: A Pilot Study on Whether Substrate Phonologies or Lexifier Vocabularies Matter More. Towards Inclusivity and Equality: Language Resources and Technologies for Under-Resourced and Endangered Languages, SIGUL 2026 Joint Workshop with ELE, EURALI, and DCLRL, May 2026, Palma De Majorque, Spain. ⟨10.63317/5d5qjmokuvmc⟩. ⟨hal-05617449⟩
-
Communication dans un congrès
Clémentine Bleuze, Bruno Guillaume, Aurélie Névéol, Karën Fort. Omniprésents et anthropomorphisés : analyse lexico-syntaxique des discours sur les LLM. TALN 2026 – 33e Conférence sur le Traitement Automatique des Langues Naturelles, Jun 2026, Nantes, France. ⟨hal-05670834⟩
-
Communication dans un congrès
Clémentine Bleuze, Karën Fort, Vincent P. Martin, Aurélie Névéol. Grands modèles de langue pour prédire la santé mentale : une revue exploratoire de la documentation des biais et de l’utilité clinique. TALN 2026 – 33e Conférence sur le Traitement Automatique des Langues Naturelles, Jun 2026, Nantes, France. ⟨hal-05670826⟩
-
Article dans une revue
Clément Morand, Aurélie Névéol, Rosy Tsopra, Anne-Isabelle Tropeano, Sophie de Chambine, et al.. Prospectively Evaluating the Environmental Impacts of Digital Health Applications : A Case Study and Recommendations. Journal of the American Medical Informatics Association, 2026, ⟨10.1093/jamia/ocag091⟩. ⟨hal-05628404⟩
-
Communication dans un congrès
Thomas Gerald, Sahar Ghannay, Julie Lascar, Paul Lerner, Anne Vilnat. Can Multimodal LLMs Generate Pedagogical Questions?. LREC 2026, May 2026, Palma, Spain. ⟨10.63317/4z4gj3h8jmc7⟩. ⟨hal-05658326⟩
-
Communication dans un congrès
Thierry Hamon. Description of the LISN system for extracting terms. DEfinition and Term Extraction CHallenge 2026 (DETECH 2026), Jun 2026, Zadar, Croatia. ⟨hal-05669893⟩
-
Communication dans un congrès
Marie Schmit, Melvin Selim Atay, Khalid Belhajjame, Ulysse Le Clanche, Emmanuel Coquery, et al.. ShareFAIR-KG, a centralised knowledge base of scientific workflows. JOBIM 2026 – Journées Ouvertes en Biologie, Informatique et Mathématiques, Jun 2026, Strasbourg, France. ⟨hal-05666980⟩
-
Pré-publication, Document de travail
Louis Estève, Marie-Catherine de Marneffe, Nurit Melnik, Agata Savary, Olha Kanishcheva. A survey of diversity quantification in natural language processing: The why, what, where and how. 2026. ⟨hal-05661565⟩
-
Pré-publication, Document de travail
Alexandre Genadot, Nicolas Guilliot, Philippe Boula de Mareüil. Introduction to the book “Cartographier les Langues de Nouvelle-Aquitaine: entre Grammaire et Société”. 2026. ⟨hal-05662837⟩
-
Communication dans un congrès
Agata Savary, Manon Scholivet, Carlos Ramisch, Takuya Nakamura, Eric Bilinski, et al.. PARSEME 2.0 Multilingual Corpus of Multiword Expressions. LREC 2026 – 15th biennial Language Resources and Evaluation Conference, ELRA Language Resources Association, May 2026, Palma De MaJorque, Spain. pp.4819-4834, ⟨10.63317/2iy5qf38yhay⟩. ⟨hal-05661505⟩
-
Communication dans un congrès
Julie Halbout, Annelies Braffort, Michèle Gouiffès, Diandra Fabre, Julie Lascar. Learning to Spot Signs from Named Entities. A study on French Sign Language. LREC 2026 – 12th Workshop on the Representation and Processing of Sign Languages: Language in Motion, May 2026, Palma de Majorque, Spain. ⟨10.63317/26i8n4zuyzyx⟩. ⟨hal-05636077⟩
-
Communication dans un congrès
Damien Lacroux, Aurélie Bugeau, Anne-Laure Ligozat. The indirect rebound effects of AIArtificial Intelligence as undone science: philosophical reflection on two structural causes. Undone Computer Science, Mar 2026, Luxembourg, Luxembourg. ⟨hal-05624399⟩
-
Communication dans un congrès
Benedictus Kent Rachmat, Thomas Gerald, Zheng Zhang, Cyril Grouin. Les données de calibration comptent-elles vraiment pour LoRA?. EvalLLM2026 : Atelier sur l’évaluation des modèles génératifs (LLM), le RAG et challenges, Jul 2026, Nantes (France), France. ⟨hal-05633638⟩
-
Communication dans un congrès
Mathilde Aguiar, Pierre Zweigenbaum, Nona Naderi. Assessing the Difficulty of Inference Types in Natural Language Inference for Clinical Trials. The Fifteenth Language Resources and Evaluation Conference (LREC 2026), May 2026, Palma, France. pp.5290-5300, ⟨10.63317/359toazp33g8⟩. ⟨hal-05652719⟩
-
Communication dans un congrès
Jenny Copara, Nona Naderi, Gilles Falquet, Douglas Teodoro. MeSH Concept Relevance and Knowledge Evolution: A Data-Driven Perspective. 12th International Conference on Information Management and Big Data. Communications in Computer and Information Science, Oct 2025, Lima (Pérou), Peru. pp.280-299, ⟨10.1007/978-3-032-20322-9_20⟩. ⟨hal-05625658⟩
-
Communication dans un congrès
Clément Morand, Aina Rasoldier, Paul Gay. Not up to its critical perspective on digitalization: A Descriptive Analysis of How Sustainability is Approached in the ICT4S Conference. ICT4S, Jun 2026, Berne, France. ⟨hal-05615744⟩
-
Communication dans un congrès
Fanny Ducel, Lucie Digoin-Caparros, Ibrahim Al Kotob, Shayan Ahmed Shariff, Binesh Arakkal Remesh, et al.. Les benchmarks sont une source de biais des LLM : MMLU, CommonSenseQA et MGSM au microscope. TALN 2026 – 33e Conférence sur le Traitement Automatique des Langues Naturelles, Jun 2026, Nantes, France. ⟨hal-05618509⟩
-
Communication dans un congrès
Louis Estève, Christophe Servan, Thomas Lavergne, Agata Savary. A Diversity Diet for a Healthier Model: A Case Study of French ModernBERT. 64th Annual Meeting of the Association for Computational Linguistics (ACL 2026), Jul 2026, San Diego, United States. ⟨hal-05599374⟩
-
Thèse
Virgile Barthet. Extraction d’information et classification de textes cliniques pour la prédiction du risque de décès. Intelligence artificielle [cs.AIArtificial Intelligence]. Université Paris-Saclay, 2026. Français. ⟨NNT : 2026UPASG019⟩. ⟨tel-05599487⟩
-
Communication dans un congrès
Luc Pommeret, Thomas Gerald, Christophe Servan, Sahar Ghannay, Patrick Paroubek, et al.. Étude des propositionneurs multilingues : formalisation, évaluation et interprétabilité. CORIA-TALN, ARIA; ATALA, Jun 2026, Nantes, France. ⟨hal-05597666⟩
-
Communication dans un congrès
Mathilde Deletombe, Manon Scholivet, Louis Estève, Thomas Lavergne, Agata Savary. Diversity patterns run deep: Impact of diversity intake on multiword expression identification. 22nd Workshop on Multiword Expressions (MWE 2026), Mar 2026, Rabat, Morocco. pp.110-116, ⟨10.18653/v1/2026.mwe-1.13⟩. ⟨hal-05588681⟩
-
Communication dans un congrès
Manon Scholivet, Agata Savary, Carlos Ramisch, Eric Bilinski, Takuya Nakamura, et al.. Edition 2.0 of the PARSEME shared task on multilingual identification and paraphrasing of multiword expressions. Proceedings of the 22nd Workshop on Multiword Expressions (MWE 2026), Mar 2026, Rabat, Morocco. pp.254-275, ⟨10.18653/v1/2026.mwe-1.33⟩. ⟨hal-05588684⟩
-
Pré-publication, Document de travail
Eva Feillet, Ryan Whetten, David Picard, Alexandre Allauzen. POLYNOMIAL MIXING FOR EFFICIENT SELF-SUPERVISED SPEECH ENCODERS. 2026. ⟨hal-05589762⟩
-
Chapitre d'ouvrage
Yoshua Bengio, Holger Schwenk, Jean-Sébastien Senécal, Emmanuel Morin, Jean-Luc Gauvain. Neural Probabilistic Language Models. Innovations in Machine Learning: Theory and Applications, 194, pp.137-186, 2005, ⟨10.1007/3-540-33486-6_6⟩. ⟨hal-01434258⟩
-
Communication dans un congrès
Jean-Luc Gauvain, Abdel Messaoudi, Holger Schwenk. Language Recognition Using Phone Lattices. International Conference on Speech and Language Processing, Oct 2004, Jeju, South Korea. pp.1283–1286. ⟨hal-01434492⟩