@inproceedings{Kebdi-Longuepee-Aguiar-Zweigenbaum-Naderi:CORIA-TALN-2026:2026,
    author = "Kebdi, Loun\`es and Longu\'ep\'ee, Lubin and Aguiar, Mathilde and Zweigenbaum, Pierre and Naderi, Nona",
    title = "Impact de l'affinage de mod\`eles g\'en\'eratifs pour l'inf\'erence en langue naturelle appliqu\'ee aux essais cliniques : comparaison avec des approches de *few-shot learning*",
    booktitle = "Actes de CORIA-TALN 2026. Actes des 33\`eme Conf\'erence sur le Traitement Automatique des Langues Naturelles.  Volume 1 : articles scientifiques originaux",
    month = "6",
    year = "2026",
    address = "Nantes, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "303-321",
    note = "",
    abstract = "Les grands mod\`eles de langue (LLM) ont atteint des r\'esultats comp\'etitifs dans de nombreuses applications, y compris dans des domaines de sp\'ecialit\'e tels que le biom\'edical. Dans les essais cliniques, l{\textquoteright}inf\'erence en langue naturelle (ILN) permet de mod\'eliser certaines t\^aches telles que le recrutement de patients. Dans cette \'etude, nous comparons l{\textquoteright}affinage et l{\textquoteright}apprentissage en contexte avec peu d{\textquoteright}exemples afin d{\textquoteright}am\'eliorer les performances des LLM pour l{\textquoteright}ILN appliqu\'ee aux essais cliniques. Nous utilisons les jeux de donn\'ees NLI4CT et NLI4PR portant sur l{\textquoteright}ILN dans le domaine clinique. Nos r\'esultats d\'emontrent que l{\textquoteright}affinage des LLM surpasse les autres approches pour les deux jeux de donn\'ees. Cependant, la diff\'erence de performance entre affinage et apprentissage avec peu d{\textquoteright}exemples reste parfois faible, en particulier lorsque l{\textquoteright}on optimise la s\'election des exemples.",
    keywords = "Inf\'erence en langue naturelle, Grands Mod\`eles de Langage, essais cliniques, affinage, apprentissage avec peu d'exemples",
    url = "54.pdf"
}