@inproceedings{Brunet-de-la-Charie-Egyed-Zsigmond-Moncla-Veran:CORIA-TALN-2026:2026,
    author = {Brunet de la Charie, Baptiste and Egyed-Zsigmond, El\"od and Moncla, Ludovic and Veran, Thomas},
    title = "Agent Neuro-Symbolique pour l{\textquoteright}Identification de Relations Causales",
    booktitle = "Actes de CORIA-TALN 2026. Actes de la 21e Conf\'erence en Recherche d'Information et Applications.  Volume 1 : articles scientifiques originaux",
    month = "6",
    year = "2026",
    address = "Nantes, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "55-71",
    note = "",
    abstract = "L'extraction de relations causales entre \'ev\`enements reste un d\'efi en raison de la complexit\'e s\'emantique, des d\'ependances \`a longue distance, de la complexit\'e d'annotation des benchmarks existants et du fort d\'es\'equilibre des classes. Les LLMs appliqu\'es \`a cette t\^ache souffrent par ailleurs d'asym\'etries directionnelles et d'hallucinations en l'absence de supervision. Nous pr\'esentons un cadre agentique
zero-shot augmentant un LLM de deux outils l\'egers : coherence\\_check, appliquant des r\`egles logiques de coh\'erence directionnelle propres au jeu de donn\'ees, et counterfactual\\_pairs, r\'e\'evaluant les d\'ependances causales par g\'en\'eration contrefactuelle au niveau s\'emantique. Cette conception neuro-symbolique garantit une portabilit\'e multilingue sans adaptation linguistique. \'Evalu\'e sur les cinq langues de MECI, notre syst\`eme obtient des r\'esultats comp\'etitifs avec les m\'ethodes supervis\'ees sans aucune donn\'ee d'entra{\^\i}nement. Nous mettons \'egalement en \'evidence un biais directionnel syst\'ematique des LLMs pour l'ECI, stable au r\'e\'echantillonnage. L'ensemble du code est disponible en open-source.",
    keywords = "Extraction de relations causales, Agents LLM, Apprentissage zero-shot",
    url = "30016.pdf"
}