@inproceedings{Yan-Eshkol-Taravella-De-Vogue-Desmets:CORIA-TALN:2025,
    author = "Yan, Chunxiao and Eshkol-Taravella, Iris and De Vogu\'e, Sarah and Desmets, Marianne",
    title = "Augmentation des donn\'ees par LLM pour am\'eliorer la d\'etection automatique des erreurs de coordination",
    booktitle = "Actes de CORIA-TALN-RJCRI-RECITAL 2025. Actes des 32\`eme Conf\'erence sur le Traitement Automatique des Langues Naturelles (TALN),  volume 1 : articles scientifiques originaux",
    month = "6",
    year = "2025",
    address = "Marseille, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "154-166",
    note = "",
    abstract = "Afin d'am\'eliorer les performances d'un outil de d\'etection automatique des erreurs de coordination, cette \'etude explore l'utilisation de grands mod\`eles de langage (LLM) pour rem\'edier au d\'es\'equilibre des classes et \`a la limitation des donn\'ees. En g\'en\'erant des phrases erron\'ees simul\'ees par un LLM pour former un corpus synth\'etique, nous am\'eliorons la d\'etection d'une classe sous-repr\'esent\'ee ainsi que les performances globales du mod\`ele. Nous \'etudions \'egalement l'application des LLM \`a l'annotation des donn\'ees, avec pour objectif d'int\'egrer ces annotations \`a l'entra{\^\i}nement afin d'optimiser l'apprentissage du mod\`ele.",
    keywords = "erreur de coordination, apprentissage profond, corpus synth\'etique, LLM",
    url = "https://talnarchives.atala.org/TALN/TALN-2025/27.pdf"
}