Poster de conférence
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, emeritus
Information extraction from biomedical text
Co-PI in BPI project PARTAGES
Publications
-
-
Pré-publication, Document de travail
Dylan Sechet, Marc Evrard, Matthieu Kowalski. Adapting offline models to a streaming context for music source separation. 2026. ⟨hal-05767849⟩
-
Communication dans un congrès
Lucía Catalán Gris, Kim Gerdes, John S Y Lee. The Linguist’s Lie Detector: Linguistic Knowledge in Large Language Models. NSLP 2026 @ LREC 2026 – 3rd International Workshop on Natural Scientific Language Processing, May 2026, Palma de Mallorca, Spain. pp.235-246, ⟨10.63317/2f7zobe6yo7h⟩. ⟨hal-05652276⟩
-
Article dans une revue
Clémence Sebe, Olivier Ferret, Aurélie Névéol, Mahdi Esmailoghli, Ulf Leser, et al.. Supporting workflow reproducibility by linking bioinformatics tools across papers and executable code. Bioinformatics, 2026, 42 (8), pp.btag565. ⟨10.1093/bioinformatics/btag565⟩. ⟨hal-05755094⟩
-
Communication dans un congrès
Jianying Liu, Kim Gerdes, Jean-Marc Deltorn. Beyond frequency measures: Can contextual embeddings capture meaning change in scientific texts?. JADT 2026 – 18th International Conference on Statistical Analysis of Textual Data, Jul 2026, Palermo, Italy. pp.232-241. ⟨hal-05731086⟩
-
Article dans une revue
Marta López-Rauhut, Loic Landrieu, Mathieu Aubry, Anne-Laure Ligozat. Environmental Footprint of GenAI Research: Insights from the Moshi Foundation Model. Transactions on Machine Learning Research , 2026. ⟨hal-05749590⟩
-
Communication dans un congrès
Younes Boufouss, Luc Pommeret, Thomas Gerald, Patrick Paroubek, Sophie Rosset. Can We Do Interpretable NLI with Graphs Based on Atomic Propositions?. AKBC @ EMNLP, ACL, Oct 2026, Budapest, Hungary. ⟨hal-05745292v3⟩
-
Communication dans un congrès
Anisia Popescu, Lori Lamel, Marc Evrard, Ioana Vasilescu. Tracking /r/ Deletion: Forced Alignment of Pronunciation Variants and Sociophonetic Insights into Post-Obstruent Final /r/ in French. Interspeech 2025, Aug 2025, Rotterdam, Netherlands. pp.2945 – 2949, ⟨10.21437/interspeech.2025-967⟩. ⟨hal-05682650⟩
-
Chapitre d'ouvrage
Agnieszka Dryjańska, Till Überrück-Fries, Agata Savary. Identification and annotation of multiword expressions in an end-user application: The case of teaching/ learning French as a foreign language. Verginica Barbu Mititelu; Voula Giouli. Multiword expressions in Natural Language Processing: Current trends and challenges, 8, Language Science Press, pp.225-254, 2026, Phraseology and Multiword Expressions, 978-3-96110-591-5. ⟨10.5281/zenodo.21277679⟩. ⟨hal-05734416⟩
-
Communication dans un congrès
Dylan Sechet, Marc Evrard, Matthieu Kowalski. Simulation-Based Inference for Plate Reverb System Identification. DAFX 2026 – 29th International Conference on Digital Audio Effects, Sep 2026, Cambridge, United States. ⟨hal-05742718⟩
-
Communication dans un congrès
Alex Colagrande, Paul Caillon, Eva Feillet, Alexandre Allauzen. Linear Attention with Global Context: A Multipole Attention Mechanism for Vision and Physics. ICCVW 2025 – IEEE/CVF International Conference on Computer Vision Workshops, Oct 2025, Honolulu, United States. pp.3130-3139, ⟨10.1109/ICCVW69036.2025.00326⟩. ⟨hal-05742260⟩
-
Poster de conférence
Alex Colagrande, Paul Caillon, Eva Feillet, Alexandre Allauzen. Limits of Resolution Equivariance in Fourier Neural Operators. AIArtificial Intelligence&PDE: ICLR 2026 Workshop on AIArtificial Intelligence and Partial Differential Equations, Apr 2026, Rio de Janeiro, Brazil. arXiv, 2026, ⟨10.48550/arXiv.2606.00677⟩. ⟨hal-05742295⟩
-
Communication dans un congrès
Adèle Jatteau, Jinyu Li, Lori Lamel. Y a-t-il des géminées en français ? Une étude acoustique des mots en dans de grands corpus de parole. Congrès mondial de linguistique française, Jul 2026, Arras, France. pp.09008, ⟨10.1051/shsconf/202623209008⟩. ⟨hal-05740510⟩
-
Pré-publication, Document de travail
Ayoub Hammal, Pierre Zweigenbaum, Caio Corro. Suffix-Constrained Greedy Search Algorithms for Causal Language Models. 2026. ⟨hal-05734800⟩
-
Communication dans un congrès
Ayoub Hammal, Pierre Zweigenbaum, Caio Corro. On the Rejection Criterion for Proxy-based Test-time Alignment. ACL 2026 – 64th Annual Meeting of the Association for Computational Linguistics, Jul 2026, San Diego, United States. pp.547-554, ⟨10.18653/v1/2026.acl-short.46⟩. ⟨hal-05689863⟩
-
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. LREC 2026 – 15th biennial Language Resources and Evaluation Conference, May 2026, Palma, Spain. 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 biennial 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
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, ⟨10.63317/3kp6n9sci4au⟩. ⟨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 Gris, Kim Gerdes. On the difficulty of producing good linguistic lies. ARTS – Atelier sur l’Analyse et la Recherche de Textes Scientifiques 2026, 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. SSW13 – 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. CLW-CoLInS 2025 – 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, GdRGroupement De Recherche. Un Groupement de recherche (GDR) est une structure d’animation scientifique mise en place par le CNRS pour fédérer des équipes de recherche autour d’une thématique commune. Créé pour une durée de cinq ans, renouvelable une fois, le GDR facilite les échanges entre les scientifiques du CNRS, les partenaires académiques, les entreprises et autres parties prenantes. Il favorise également la coordination des travaux et soutient l’organisation d’événements scientifiques. Il est soumis à une évaluation par le Comité national de la recherche scientifique et suivi par un directeur adjoint scientifique référent au sein de l’institut concerné. 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, 33 (9), pp.1726-1734. ⟨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 – 15th biennial Language Resources and Evaluation Conference, May 2026, Palma, Spain. ⟨10.63317/4z4gj3h8jmc7⟩. ⟨hal-05658326⟩
-
Communication dans un congrès
Thierry Hamon. Description of the LISN system for extracting terms. DETECH 2026 – DEfinition and Term Extraction CHallenge 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⟩