Modélisation graphique multi-vues de processus d'écriture : vers un système d'aide à la révision littéraire
Emna Ammari, Patrice Bellot, Christophe Leblay
Résumé : L'acte d'écriture, processus complexe et non linéaire, recèle des hésitations et des stratégies de révision profondes, invisibles dans le texte abouti. Puissants pour l'assistance à l'écriture, les outils d' IA générative actuels restent néanmoins insensibles aux processus génétiques qui sous-tendent le style d'un auteur, au détriment de la singularité littéraire et de la diversité créative. A cet effet, cet article propose une modélisation graphique multi-vues de la genèse textuelle, couplée à un système multi-agents LLM guidé par des patterns génétiques appris. Ce réseau de neurones en graphe (GNN: Graph Neural Network) articule, simultanément et par un apprentissage multi-vues, des dimensions linguistiques (lexicales, syntaxiques et sémantiques), et processuelles (opérations d'écriture et intentions de révisions inférées). Ce faisant, cette architecture ouvre ainsi la voie à une génération augmentée, fidèle et ancrée dans le profil rédactionnel de l'auteur, le tout s'appuyant sur des manuscrits patrimoniaux et traces d'écriture contemporaine.
Mots clés : Modélisation de l'écriture littéraire, Réseaux graphiques multi-vues, Multi-agents LLM, Révision assistée par IA, brouillons de manuscrits, données d'écriture enregistrée