💬 NLP

Controlling Reading Ease with Gaze-Guided Text Generation

Cet article présente une méthode de génération de texte guidée par le regard qui exploite les modèles de suivi oculaire humain prédits pour produire des textes dotés d'une facilité de lecture contrôlable, démontrant avec succès son efficacité pour ajuster les temps de lecture et la difficulté perçue tant pour les locuteurs natifs que non natifs de l'anglais grâce à des caractéristiques affectant le traitement lexical.

Auteurs originaux : Andreas Säuberli, Darja Jepifanova, Diego Frassinelli, Barbara Plank

Publié 2026-01-27

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Andreas Säuberli, Darja Jepifanova, Diego Frassinelli, Barbara Plank

Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous êtes un chef essayant de cuisiner un repas pour deux invités très différents : l'un est un critique gastronomique professionnel qui connaît chaque ingrédient, et l'autre est un touriste affamé qui apprend encore la langue. Vous voulez servir au touriste un plat facile à mâcher et à digérer, tout en offrant au critique un festin complexe et exigeant.

Dans le monde de l'écriture informatique (où l'IA génère des histoires), cet article présente un nouvel « assistant de cuisine intelligent » qui aide le chef IA à ajuster la difficulté de ses recettes en temps réel. Cet assistant ne se contente pas de regarder les mots ; il observe comment les yeux humains se déplacent lorsqu'ils les lisent.

Voici comment la méthode de cet article fonctionne, décomposée en concepts simples :

1. L'« Eye-Tracker » comme test de goût

Habituellement, lorsqu'une IA écrit une histoire, elle choisit le mot suivant en fonction de ce qui semble le plus naturel. Mais les chercheurs voulaient contrôler la difficulté de lecture.

Ils ont réalisé que lorsque nos yeux s'arrêtent sur un mot, cela signifie que notre cerveau travaille plus intensément pour le comprendre. Si un mot est long, rare ou déroutant, nos yeux font une pause plus longue. Si un mot est simple et courant, nos yeux glissent dessus sans s'arrêter.

Les chercheurs ont construit un « Modèle de Regard » (le testeur de goût) qui prédit : « Si un humain lit ce mot spécifique, combien de temps ses yeux feront-ils une pause ? »

2. Le « Tir à la corde » dans la cuisine

L'écrivain IA (le Modèle de Langage) et le Modèle de Regard (l'Eye-Tracker) travaillent ensemble comme une équipe de tir à la corde :

Le Modèle de Langage dit : « Je veux écrire le mot 'magnifique' parce qu'il s'intègre parfaitement à l'histoire. »
Le Modèle de Regard dit : « Attendez ! 'Magnifique' est un mot long et sophistiqué. Les gens vont faire une pause dessus. Si vous voulez une histoire facile, choisissez 'super' à la place. Si vous voulez une histoire difficile, restez sur 'magnifique'. »

Les chercheurs peuvent tourner un cadran (appelé Poids du Regard) pour décider qui gagne l'argument :

Tournez le cadran vers « Facile » : Le Modèle de Regard tire fort, forçant l'IA à choisir des mots courts et courants qui permettent aux yeux de glisser fluidement.
Tournez le cadran vers « Difficile » : Le Modèle de Regard pousse l'IA vers des mots plus longs et plus sophistiqués qui forcent les yeux à s'arrêter et à réfléchir.

3. L'Expérience : Tester le menu

Pour voir si cela fonctionnait réellement, les chercheurs ont concocté 18 histoires courtes. Ils ont utilisé trois réglages :

Mode Facile : L'IA était forcée de choisir des mots simples.
Mode Normal : L'IA écrivait naturellement sans interférence.
Mode Difficile : L'IA était forcée de choisir des mots complexes.

Ils ont ensuite invité 24 personnes à lire ces histoires tout en portant des lunettes spéciales qui suivaient leurs mouvements oculaires. La moitié des lecteurs étaient des locuteurs natifs anglais, et l'autre moitié apprenait l'anglais.

4. Ce qu'ils ont découvert

Les résultats étaient comme un test de cuisine parfait :

Les yeux ne mentent pas : Lorsque l'IA était réglée sur le « Mode Difficile », les yeux des lecteurs s'arrêtaient effectivement plus longtemps sur les mots. Lorsqu'elle était réglée sur le « Mode Facile », leurs yeux bougeaient plus vite. L'IA a réussi à modifier l'effort physique requis pour lire le texte.
La « Sauce Secrète » était le vocabulaire : Les chercheurs ont découvert que l'IA changeait principalement la longueur et la familiarité des mots. Elle ne changeait pas vraiment la grammaire ou la structure des phrases ; elle remplaçait simplement des mots simples par des mots complexes (comme remplacer « grand » par « colossal »).
Natif vs Apprenant : Le « Mode Difficile » était beaucoup plus difficile pour les apprenants de la langue que pour les locuteurs natifs. Les apprenants trouvaient les mots complexes très difficiles, tandis que les natifs les trouvaient simplement un peu plus stimulants.
Contrôle Qualité : Les histoires ne semblaient pas brisées ou robotiques. Elles restaient des histoires naturelles, avec seulement des niveaux de vocabulaire différents.

5. Pourquoi cela importe (selon l'article)

L'article suggère que cet outil pourrait être utile pour :

L'apprentissage personnalisé : Créer des supports de lecture parfaitement adaptés au niveau de compétence actuel d'un étudiant.
L'accessibilité : Rendre l'information plus facile à lire pour les personnes qui éprouvent des difficultés avec les textes complexes.

Le bémol : Les chercheurs admettent que leur « testeur de goût » n'est actuellement doué que pour juger des mots individuels (comme la longueur des mots). Il n'est pas encore parfait pour juger des structures de phrases complexes ou des significations profondes. De plus, ils n'ont testé cela qu'avec des textes en anglais.

En bref, ils ont construit un système qui permet à un écrivain IA d'« accorder » son vocabulaire pour rendre une histoire plus facile ou plus difficile à lire, en vérifiant exactement comment les yeux des gens réagissent aux mots.

Résumé technique : Contrôler la facilité de lecture par la génération de texte guidée par le regard

Énoncé du problème
Le contrôle de la lisibilité des textes générés est crucial pour des applications allant de l'apprentissage d'une langue seconde à l'accessibilité pour les personnes souffrant de troubles de la communication. Bien que les grands modèles de langage (LLM) aient été appliqués à l'adaptation de texte via le prompting ou le fine-tuning, ces méthodes manquent souvent de transparence et de contrôle précis, produisant fréquemment des résultats qui ne sont pas alignés sur les niveaux de lisibilité souhaités. Les approches existantes peinent à fournir un signal direct et interprétable pour orienter la génération vers des charges de traitement cognitif spécifiques.

Méthodologie
Les auteurs proposent un cadre de génération de texte guidé par le regard qui oriente les sorties des LLM pour susciter des comportements de lecture spécifiques (par exemple, un temps de lecture accru ou diminué) en intégrant des données d'oculométrie dans le processus de décodage. Le système fonctionne comme un ensemble de deux modèles unidirectionnels :

Modèle de Langage (LM) : Un LLM prêt à l'emploi, ajusté par instructions (Llama 3.2, 3 milliards de paramètres) qui génère la distribution de probabilité du prochain jeton (token) sur la base du contexte précédent.
Modèle de Regard : Un modèle GPT-2 affiné (124 millions de paramètres) entraîné pour prédire des mesures oculométriques agrégées (spécifiquement le temps de première lecture au niveau du mot, ou FPRT) pour des séquences de jetons candidates.

Le mécanisme de décodage
La méthode modifie le processus de décodage standard par recherche de faisceau (beam search) via un mécanisme de re-classement (re-ranking) :

Le LM génère les $k$ jetons candidats les plus probables (où $k=8$ ).
Le modèle de regard prédit le FPRT pour chaque séquence de jetons candidate.
Un poids de regard ( $w$ ) défini par l'utilisateur est appliqué au score de regard.
Le score total final pour un jeton est calculé comme suit :
$\text{Score Total} = \text{Log Probabilité du Jeton} + (w \times \text{Score de Regard Normalisé})$
Un poids de regard positif favorise les jetons prédits pour induire des temps de lecture plus longs (difficulté plus élevée), tandis qu'un poids négatif favorise les jetons avec des temps de lecture plus courts (difficulté moindre). Un poids de 0 désactive le guidage par le regard.

Pour traiter les décalages de tokenisation entre le LM et le modèle de regard (qui opère sur des sous-mots), les auteurs utilisent la recherche de faisceau. Cela permet au système de « réviser » les prédictions partielles de mots à mesure que la tokenisation du modèle de regard se stabilise, évitant ainsi de dépendre de scores de sous-mots peu fiables.

Principales contributions

Mécanisme de contrôle novateur : L'introduction d'une méthode utilisant les données d'oculométrie comme un signal direct pour guider la génération de texte par LLM lors de l'inférence, évitant ainsi le besoin d'un fine-tuning complet du modèle.
Publication de jeu de données : La création et la publication d'un nouveau jeu de données d'oculométrie pendant la lecture contenant des textes générés via cette méthode de génération guidée par le regard, ainsi que les données oculométriques brutes et traitées de l'étude d'évaluation.
Validation empirique : Une analyse complète combinant l'extraction de caractéristiques linguistiques, les métriques d'oculométrie et les évaluations subjectives humaines pour démontrer l'efficacité de la méthode.

Résultats expérimentaux
Les auteurs ont mené une étude d'oculométrie avec 24 participants (12 locuteurs natifs anglais [L1] et 12 locuteurs non natifs [L2]) lisant des histoires générées avec des poids de regard de $-2$, $0$ et $+2$ .

Caractéristiques du texte : L'augmentation du poids de regard a entraîné des textes avec des mots moins nombreux mais plus longs, une fréquence de mots plus faible (scores Zipf plus élevés), des phrases plus courtes et une diversité lexicale plus élevée. Les poids extrêmes ( $\pm 5$ ) ont provoqué des modes d'échec répétitifs.
Comportement de lecture : La méthode a réussi à modifier les temps de lecture. Les poids de regard positifs ont augmenté les temps de première lecture (FPRT), tandis que les poids négatifs les ont diminués. L'effet était statistiquement significatif pour les lecteurs L1 et L2 ( $p < 0,001$ ), bien que l'ampleur soit plus forte pour les lecteurs L2.
Facteurs linguistiques déterminants : L'analyse statistique a révélé que les changements dans le comportement de lecture étaient principalement pilotés par les caractéristiques de traitement lexical, spécifiquement la longueur des mots et la prévalence (familiarité) des mots. En contrôlant ces caractéristiques, l'effet du poids de regard devenait insignifiant pour les lecteurs L1 mais restait significatif pour les lecteurs L2, suggérant que les lecteurs L2 faisaient face à des défis de traitement supplémentaires au-delà de la simple familiarité lexicale.
Perception subjective : Les lecteurs ont perçu les textes avec des poids de regard plus élevés comme étant plus difficiles. Les évaluations de naturalité ont diminué pour les lecteurs L2 avec des poids positifs, probablement en raison de la difficulté perçue plutôt que d'une mauvaise fluidité. Les évaluations d'intérêt sont restées largement inchangées.
Performance du modèle : Les prédictions du modèle de regard corrélaient modérément avec les temps de lecture observés ( $r \approx 0,55–0,59$ ), performant légèrement mieux sur les mots de faible prévalence.

Signification et affirmations
L'article affirme que la génération de texte guidée par le regard est une approche efficace, modulaire et efficiente pour contrôler la facilité de lecture sans compromettre la qualité du texte. Les auteurs soulignent que la méthode parvient à orienter les LLM vers des textes qui sont objectivement plus faciles ou plus difficiles à lire, tels que mesurés par l'effort cognitif (FPRT) et la difficulté subjective.

Les auteurs maintiennent une portée modeste concernant les limites de leurs conclusions :

Les effets observés sont largement attribuables à des caractéristiques lexicales de bas niveau (longueur et fréquence des mots) plutôt qu'à des structures syntaxiques ou sémantiques complexes. Cela est attribué au choix du FPRT comme métrique cible, qui est connue pour refléter les processus cognitifs précoces.
L'approche est actuellement limitée à l'anglais, car les données d'entraînement du modèle de regard sont exclusivement en anglais.
Bien que la méthode soit prometteuse pour la simplification de texte et le matériel éducatif personnalisé, les auteurs notent que leur implémentation actuelle ne traite pas pleinement la simplification syntaxique ou de discours requise pour des applications d'accessibilité plus larges.
L'étude n'a pas inclus les groupes d'utilisateurs primaires pour l'accessibilité (par exemple, les personnes ayant des troubles spécifiques de la communication), ce qui limite les affirmations directes sur l'utilité de la méthode dans ces contextes spécifiques.

Ce travail représente une étape fondamentale vers une génération de texte personnalisée, adaptée à des groupes de lecteurs spécifiques en exploitant les données d'oculométrie comme signal de rétroaction pour les stratégies de décodage.