@inproceedings{Xu-Gabor-Khouas-Segond:TALN:2022,
    author = "Xu, Yizhou and G\'abor, Kata and Khouas, Leila and Segond, Fr\'ed\'erique",
    title = "D\'etection d'anomalies textuelles \`a base de l'ing\'enierie d'invite",
    booktitle = "Actes de la 29e Conf\'erence sur le Traitement Automatique des Langues Naturelles. Volume 1 : conf\'erence principale / Travaux originaux",
    month = "6",
    year = "2022",
    address = "Avignon, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "41-52",
    note = "Prompt Engineering-Based Text Anomaly Detection ",
    abstract = "La d\'etection d'anomalies textuelles est une t\^ache importante de la fouille de textes. Plusieurs approches g\'en\'erales, visant l'identification de points de donn\'ees aberrants, ont \'et\'e appliqu\'es dans ce domaine. N\'eanmoins, ces approches exploitent peu les nouvelles avanc\'ees du traitement automatique des langues naturelles (TALN). L'av\`enement des mod\`eles de langage pr\'e-entra{\^\i}n\'es comme BERT et GPT-2 a donn\'e naissance \`a un nouveau paradigme de l'apprentissage automatique appel\'e ing\'enierie d'invite (prompt engineering) qui a montr\'e de bonnes performances sur plusieurs t\^aches du TALN. Cet article pr\'esente un travail exploratoire visant \`a examiner la possibilit\'e de d\'etecter des anomalies textuelles \`a l'aide de l'ing\'enierie d'invite. Dans nos exp\'erimentations, nous avons examin\'e la performance de diff\'erents mod\`eles d'invite. Les r\'esultats ont montr\'e que l'ing\'enierie d'invite est une m\'ethode prometteuse pour la d\'etection d'anomalies textuelles.",
    keywords = "D\'etection d'anomalies textuelles, Ing\'enierie d'invite, Mod\`ele de langage pr\'e-  entra{\^\i}n\'e, GPT-2.",
    url = "http://talnarchives.atala.org/TALN/TALN-2022/4426.pdf"
}