@inproceedings{Rayane-Kebir-Guigue-Said-Lhadj-Soulier:CORIA-TALN-2026:2026,
    author = "Rayane Kebir, Ahmed and Guigue, Vincent and Said Lhadj, Lynda and Soulier, Laure",
    title = "RAC : Clarification Augment\'ee par la Recherche pour une Recherche Conversationnelle Fid\`ele",
    booktitle = "Actes de CORIA-TALN 2026. Actes de la 21e Conf\'erence en Recherche d'Information et Applications.  Volume 2 : articles d\'ej\`a publi\'es",
    month = "6",
    year = "2026",
    address = "Nantes, France",
    publisher = "Association pour le Traitement Automatique des Langues",
    pages = "61-61",
    note = "",
    abstract = {Les questions de clarification permettent aux syst\`emes de recherche conversationnelle de lever les ambigu{\"\i}t\'es des requ\^etes utilisateurs. Les travaux existants se concentrent principalement sur la fluidit\'e et l{\textquoteright}alignement avec l{\textquoteright}intention, tandis que l{\textquoteright}ancrage des clarifications dans le corpus reste peu \'etudi\'e. Sans cet ancrage, les syst\`emes risquent de poser des questions auxquelles les documents disponibles ne permettent pas de r\'epondre. Nous proposons RAC (Retrieval-Augmented Clarification), un cadre visant \`a g\'en\'erer des clarifications fid\`eles au corpus. Apr\`es avoir compar\'e plusieurs strat\'egies d{\textquoteright}indexation, nous ajustons finement un mod\`ele de langue afin d{\textquoteright}exploiter le contexte de recherche et de favoriser des questions fond\'ees sur des preuves. Une optimisation contrastive par pr\'ef\'erences privil\'egie les questions appuy\'ees par des passages r\'ecup\'er\'es.
Les \'evaluations sur quatre jeux de donn\'ees de r\'ef\'erence montrent des am\'eliorations significatives. Nous introduisons de nouvelles m\'etriques bas\'ees sur la NLI et le data-to-text pour mesurer l{\textquoteright}ancrage contextuel et la fid\'elit\'e.},
    keywords = "Conversational Search,  Clarifying Questions,  RAG",
    url = "4005.pdf"
}