An Agentic Hybrid Top-Down and Bottom-Up Approach to Knowledge Graph Generation
Cet article propose un pipeline hybride agentique qui combine l'ancrage descendant dans Wikidata avec une réflexivité ascendante pour générer de manière autonome un graphe de connaissances de compétences multilingue, évolutif et auto-réparateur, à partir de données RH non structurées et bruitées.
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 l'internet comme une bibliothèque géante et chaotique où tout le monde crie ce qu'il sait faire. Certains parlent un anglais parfait, d'autres parlent français, allemand ou espagnol, et certains utilisent un argot qui n'a même pas encore été inventé. Dans le monde du recrutement, cette bibliothèque est un désordre total. Si une entreprise cherche un « Project Manager », elle pourrait passer à côté d'un candidat brillant qui a écrit « Web Project Management » ou « Gestion de Projet » parce que l'ordinateur ne sait pas que ces expressions signifient la même chose. C'est là qu'interviennent les Graphes de Connaissances (Knowledge Graphs). Voyez le Graphe de Connaissances comme une carte super organisée qui connecte les idées. Au lieu d'une simple liste de mots, c'est un réseau où « Project Management » est un grand moyeu central, et « Web Project Management » est une petite branche qui en dépend. L'objectif est de prendre cette bibliothèque désordonnée de voix qui crient et de la transformer en une carte propre et précise afin que les ordinateurs puissent réellement aider les humains à trouver les bons emplois.
Mais construire cette carte est délicat. On peut essayer de la dessiner de haut en bas, en utilisant un carnet de règles strict (comme une liste officielle des métiers), mais cela fait manquer tous les nouveaux métiers géniaux et étranges qui n'existent pas encore dans le carnet de règles. Ou bien, on peut essayer de la construire de bas en haut, en laissant un ordinateur deviner et regrouper les choses par lui-même, mais cela mène souvent à un désordre chaotique où l'ordinateur invente de faux métiers ou divise un seul métier en dix noms différents. Ce document présente une nouvelle façon astucieuse de construire cette carte en mélangeant le meilleur des deux mondes : un carnet de règles strict pour ce qui est connu et une équipe de robots intelligents et auto-correcteurs pour ce qui est nouveau.
Les chercheurs, travaillant avec Malt, une plateforme européenne de freelances, ont construit un système qui agit comme une équipe de robots détectives. Ils appellent cela une approche « Agentic Hybrid ». Voici comment cela fonctionne : d'abord, le système prend une compétence mal écrite par un humain, comme « gestion de projet web », et tente de la faire correspondre à une carte préexistante et fiable appelée Wikidata. Considérez Wikidata comme le « Wikipédia des faits » en lequel les robots ont une confiance totale. Si la compétence correspond à quelqueق chose dans Wikidata, parfait ! Le robot l'ancre en place, garantissant qu'elle est précise et cohérente dans les cinq langues qu'ils traitent (anglais, français, allemand, néerlandais et espagnol).
Mais que se passe-t-il si la compétence est totalement nouvelle et n'existe pas dans Wikidata ? C'est là que la partie « Agentic » brille. Au lieu de simplement abandonner ou d'inventer des choses, le système utilise une boucle de « réflexion » spéciale. Imaginez un robot qui rédige un brouillon, puis s'arrête et se demande : « Attendez, est-ce correct ? Est-ce que cela correspond aux autres compétences ? » Si le robot réalise qu'une compétence est trop spécifique pour entrer sous l'ombrelle principale de « Project Management », il ne la jette pas. Au lieu de cela, il crée une nouvelle branche « orpheline » spéciale pour elle. Il lui donne un identifiant unique et un nom clair, comme « Web Project Management », et la relie au moyeu principal. Le système fait ensuite tourner ce processus encore et encore, vérifiant son propre travail, fusionnant les doublons et nettoyant le désordre jusqu'à ce que la carte soit aussi précise que possible.
Le document montre que cette méthode fonctionne très bien, mais ce n'est pas de la magie — c'est rigoureux. Ils l'ont testée sur plus de 36 000 descriptions de compétences brutes et désordonnées provenant de vrais freelances. Le système a réussi à organiser une grande partie d'entre elles, mais il a aussi dû être honnête sur ce qu'il ne pouvait pas gérer. Sur le total, environ 19 % des tentatives de correspondance des compétences avec la carte étaient de « mauvaises suppositions » parce que l'entrée était trop confuse ou ambiguë. De plus, le système a activement rejeté 13,7 % des entrées car il a déterminé qu'elles n'étaient tout simplement pas des compétences valides (comme des erreurs de type « NOT_A_SKILL ») ou du bruit sémantique. Cependant, pour les données qu'il a réellement traitées, les résultats sont impressionnants : il a nettoyé et organisé 27 743 des entrées, les regroupant en environ 13 300 catégories de compétences claires et standardisées. Cela signifie qu'il a réduit le chaos de plus de moitié pour les données valides, transformant des milliers de variations confuses en une liste structurée et nette. Mieux encore, le système a été capable de parler parfaitement les cinq langues, créant 66 490 étiquettes standardisées pour qu'un francophone et un germanophone puissent trouver le même emploi.
Les chercheurs ont constaté que leur approche « hybride » était bien meilleure qu'un simple carnet de règles ou qu'un simple laisser-faire de l'ordinateur. En ancrant les compétences connues à Wikidata, ils ont évité que l'ordinateur n'invente de faux métiers (un problème appelé « hallucination »). En utilisant la boucle de « réflexion » pour les nouvelles compétences, ils n'ont pas manqué les nouveaux métiers émergents que les carnet de règles n'ont pas encore capturés. Le résultat est une carte des compétences vivante et évolutive qui peut se mettre à jour à mesure que le marché du travail change, rendant beaucoup plus facile pour les entreprises de trouver les bonnes personnes et pour les gens de trouver le bon travail. C'est comme avoir un bibliothécaire qui non seulement connaît chaque livre de la bibliothèque, mais qui sait aussi instantanément comment classer un livre tout neuf qui vient d'arriver, en s'assurant que tout le monde puisse le trouver, peu importe la langue parlée — tout en sachant exactement quand dire : « Je ne suis pas sûr de ce que c'est », plutôt que de deviner de travers.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.