EP4771506A1 - Procédé et système d'interrogation d'une base de données - Google Patents

Abstract

Il est proposé un procédé d'interrogation en langage naturel d'une base de données stockant une donnée descriptive relative à une entité, le procédé comprenant: une obtention d'une réponse à une requête comportant une question en langage naturel par l'intermédiaire d'une interface de traitement à laquelle sont fournis un texte résultant d'une transformation par un générateur en langage naturel de la donnée descriptive relative à l'entité et la question, l'interface de traitement étant configurée pour solliciter, en fonction d'un résultat obtenu par l'interface de traitement dans un premier mode, un modèle de langage en lui fournissant le texte et la question posée dans un deuxième mode, les premier et deuxième modes étant distincts. Il est également proposé un programme informatique, un support d'enregistrement et un système d'interrogation correspondants.

Description

Procédé et système d’interrogation d’une base de données
• La présente divulgation concerne le domaine de l'interrogation des bases de données. Plus précisément, la présente divulgation porte sur un procédé permettant une interrogation en langage naturel d'une base de données contenant des données descriptives relatives à diverses entités. La présente divulgation porte également sur un système, un programme informatique et un support d’enregistrement correspondants.
• Les méthodes traditionnelles d'interrogation de bases de données nécessitent souvent une compréhension approfondie du langage de requête structuré (SQL) ou d'autres langages de programmation. Cette barrière technique empêche bon nombre d'utilisateurs non techniques d'extraire efficacement des informations des bases de données.
• Des tentatives de contourner ce problème ont été mises en œuvre en intégrant des règles de compréhension de langage naturel, en espérant rendre l'interrogation plus intuitive.
• Un inconvénient de cette approche réside dans le nombre important de règles à définir pour prendre en compte les différentes formulations des questions susceptibles d’être posées. Une difficulté supplémentaire vient du fait que lorsque le système répond correctement aux questions prévues pour la plupart des formulations, l’illusion anthropomorphique pousse l’utilisateur à poser également des questions en dehors du champ d’application prévu, ce qui peut mener à des confusions.
• Il existe donc un besoin pour une solution capable de traiter une vaste gamme de formulations de questions ainsi que de gérer les attentes d’utilisateurs en matière d’interactions anthropomorphiques sans nécessiter une multitude de règles préétablies.
Résumé
• La présente divulgation vient améliorer la situation.
• Selon un aspect, il est proposé un procédé d’interrogation en langage naturel d’une base de données stockant une donnée descriptive relative à une entité, le procédé comprenant :
  une obtention d’une réponse à une requête comportant une question en langage naturel par l’intermédiaire d’une interface de traitement à laquelle sont fournis un texte résultant d’une transformation par un générateur en langage naturel de la donnée descriptive relative à l’entité et la question, l’interface de traitement étant configurée pour solliciter, en fonction d’un résultat obtenu par l’interface de traitement dans un premier mode, un modèle de langage en lui fournissant le texte et la question posée dans un deuxième mode, les premier et deuxième modes étant distincts.
• Le procédé proposé offre un mécanisme robuste d’interrogation en langage naturel de la base de données, sans nécessité de définir une multitude de règles préétablies correspondant à un vaste nombre de formulations possibles de questions attendues.
• Il offre également une flexibilité d'interrogation du fait de l’interface dynamique qui peut basculer entre différents modes de traitement, permettant ainsi une plus grande adaptabilité face à divers types de questions en langage naturel.
• L’utilisation du modèle de langage dans le deuxième mode permet en particulier de répondre à des questions inattendues qui peuvent indifféremment avoir trait ou non au contenu de la base de données.
• Dans un exemple, le procédé comprend également une réception de la requête par l’intermédiaire d’une interface homme-machine.
• L'incorporation d'une interface homme-machine augmente l'accessibilité et l'efficacité de l'interaction, offrant une expérience utilisateur plus intuitive.
• Dans un exemple, le procédé comprend également un déclenchement de la transformation de la donnée descriptive après la réception de la requête.
• La transformation des données après la réception de la requête offre la capacité de préparer les données les plus pertinentes en réponse à une demande spécifique, optimisant la pertinence des réponses.
• Dans un exemple, le procédé comprend également une mise à jour de la donnée descriptive entre la réception de la requête et le déclenchement de la transformation de la donnée descriptive.
• La capacité à mettre à jour les données descriptives avant leur transformation permet de prendre en compte l’aspect évolutif de la base de données. Cela garantit que les informations les plus actuelles sont utilisées, renforçant ainsi la précision et la fiabilité des réponses.
• Dans un exemple, le procédé comprend également une obtention par le générateur en langage naturel du texte résultant de la transformation de la donnée descriptive.
• L'utilisation du générateur en langage naturel pour transformer les données garantit une interprétation humaine cohérente des données, rendant les réponses plus compréhensibles pour l'utilisateur.
• Dans un exemple, le procédé comprend également une utilisation par le générateur en langage naturel d’une règle prédéterminée lors de la transformation de la donnée descriptive.
• L'utilisation de règles prédéterminées lors de la transformation assure une cohérence dans la manière dont les données sont interprétées, améliorant la prévisibilité des réponses.
• Dans un exemple, la donnée descriptive est sous la forme de prédicats avec un nombre quelconque d’arguments.
• Le support de prédicats avec un nombre d’arguments variable permet une grande flexibilité dans la représentation des données, offrant ainsi une vaste gamme de possibilités d'interrogation.
• Dans un exemple, la donnée descriptive est filtrée et/ou une partie de la donnée descriptive est masquée avant la transformation de la donnée descriptive.
• Dans un exemple, le texte est filtré et/ou une partie du texte est masquée avant de fournir le texte au modèle de langage.
• La capacité à filtrer ou masquer certaines parties de la donnée descriptive ou du texte offre des options de sécurité et de confidentialité, garantissant que seules les informations pertinentes et approuvées sont exposées.
• Dans un exemple, l’interface de traitement est configurée pour effectuer, dans le premier mode, un traitement de la question par un mécanisme d’interrogation doté d’une règle de compréhension de langage naturel.
• Dans un exemple, le résultat obtenu par l’interface de traitement dans le premier mode est indicatif d’une obtention de la réponse ou d’une non-obtention de la réponse dans le premier mode, et l’interface de traitement est configurée pour solliciter le modèle de langage dans le deuxième mode lorsque le résultat est indicatif de la non-obtention de la réponse dans le premier mode.
• Dans un exemple, le résultat obtenu par l’interface de traitement dans le premier mode comporte une proposition de réponse et une donnée évaluative de la proposition de réponse, et l’interface de traitement est configurée pour fournir la proposition de réponse en tant que réponse lorsque la donnée évaluative est favorable et pour solliciter le modèle de langage dans le deuxième mode lorsque la donnée évaluative est défavorable.
• Selon un autre aspect, il est proposé un programme informatique comportant des instructions pour la mise en œuvre du procédé ci-avant lorsque ce programme est exécuté par un processeur.
• Selon un autre aspect, il est proposé un support d’enregistrement non transitoire lisible par un ordinateur sur lequel est enregistré le programme informatique ci-avant.
• Selon un autre aspect, il est proposé un système d’interrogation d’une base de données stockant une donnée descriptive relative à une entité, le système comportant :
  une interface de traitement étant apte à obtenir une réponse à une requête comportant une question en langage naturel en fonction d’un texte résultant d’une transformation par un générateur en langage naturel de la donnée descriptive relative à l’entité et de la question, l’interface de traitement étant configurée pour solliciter, en fonction d’un résultat obtenu par l’interface de traitement dans un premier mode, un modèle de langage en lui fournissant le texte et la question dans un deuxième mode, les premier et deuxième modes étant distincts.
• Dans un exemple, le système comporte également une interface homme machine apte à obtenir une requête comportant une question en langage naturel.
• Dans un exemple, le système comporte également un générateur en langage naturel apte à obtenir le texte issu de la transformation de la donnée descriptive.
• D’autres caractéristiques, détails et avantages apparaîtront à la lecture de la description détaillée ci-après, et à l’analyse des dessins annexés, sur lesquels :
Fig. 1
• représente un système d’interrogation en langage naturel d’une base de données dans un exemple de réalisation.
Fig. 2
• représente un circuit de traitement adapté pour mettre en œuvre un procédé d’interrogation en langage naturel d’une base de données dans un exemple de réalisation.
Fig. 3
• illustre un fonctionnement d’une interface de traitement pour fournir une réponse à une question exprimée en langage naturel selon un premier mode, dans un exemple de réalisation.
Fig. 4
• illustre un fonctionnement d’une interface de traitement pour fournir une réponse à une question exprimée en langage naturel selon un deuxième mode, dans l’exemple de réalisation de .
Fig. 5
• illustre un fonctionnement d’une interface de traitement pour fournir une réponse à une question exprimée en langage naturel selon un premier mode, dans un autre exemple de réalisation.
Fig. 6
• illustre un fonctionnement d’une interface de traitement pour fournir une réponse à une question exprimée en langage naturel selon un deuxième mode, dans l’exemple de réalisation de .
Fig. 7
• illustre un fonctionnement d’une interface de traitement pour fournir une réponse à une question exprimée en langage naturel, dans un autre exemple de réalisation.
• Dans la description qui va suivre, des chiffres de référence identiques désignent des éléments identiques ou ayant des fonctions similaires.
• représente les éléments principaux d’un système (100) convenant pour interroger une base de données en langage naturel.
• Une interface homme-machine (102) permet de recueillir une requête contenant une question formulée par un utilisateur et exprimée en langage naturel, par exemple sous la forme d’une ou plusieurs phrases. L’interface homme-machine peut comprendre par exemple une interface graphique textuelle ou un capteur sonore couplé à une interface de reconnaissance vocale.
• Une interface de traitement (104) est configurée pour traiter la question contenue dans la requête. A l’issue de ce traitement, la réponse peut être fournie à l’utilisateur via une interface appropriée, par exemple un dispositif d’affichage ou un dispositif de restitution vocale.
• Une base de données (106) stocke des données descriptives relative à une entité qui peut être par exemple un logement, un site, une entreprise, une collectivité ou une organisation. Ces données descriptives peuvent appartenir à un ou plusieurs champs d’application. A titre d’exemples de champs d’application, il est possible de citer par exemple la gestion d’une maison connectée, l’assistance à destination d’opérateurs industriels ou encore l’assistance à destination de techniciens du domaine tertiaire pour par exemple mener à bien des opérations de maintenance. Les données descriptives peuvent être de toute nature et avoir des niveaux de confidentialité variés. Les données descriptives peuvent être stockées sous un format quelconque.
• Par exemple, les données descriptives peuvent prendre la forme de prédicats. Les prédicats peuvent avoir autant d’arguments que nécessaires, par exemple zéro, un, deux ou plus. Un tel format est particulièrement adapté à la consultation et la modification d’une base de données avec des requêtes simples exprimées dans des langages de programmation standard.
• Par exemple :
  (age robert 57) stocke le fait que l’âge de Robert est 57 ans,
  (occupation robert « développeur à Orange Business ») permet de stocker une connaissance sur le métier de Robert,
  (state living-room-lamp on) stocke le fait que la lampe du salon, dont l’identifiant local est « living-room-lamp » est allumée.
• Dans un exemple d’application à un système domotique, les données descriptives sont susceptibles de comprendre, entre autres, des données personnelles d’un habitant du logement en tant qu’utilisateur du système d’interrogation, telles que des préférences d’utilisation, ainsi que toutes données utiles à la gestion de dispositifs communicants placés dans le logement et/ou à la fourniture de services domotiques à l’utilisateur.
• Au plus tard au cours du traitement de la requête, au moins une partie des données descriptives contenues dans la base de données sont transmises à un générateur en langage naturel (108) qui les transforme en texte, par exemple sous la forme d’une ou plusieurs phrases. Le générateur en langage naturel peut être configuré pour mettre en œuvre une ou plusieurs règles prédéterminées afin de transformer une donnée descriptive reçue en un texte correspondant ou en une partie de texte correspondante.
• Cette transmission peut être pilotée par l’interface de traitement et en particulier déclenchée par l’interface de traitement suite à l’obtention de la requête. Les données descriptives peuvent ou non transiter par l’interface de traitement. L’interface de traitement peut également requérir une mise à jour des données descriptives avant leur transmission.
• Alternativement, la base de données peut être conçue pour transmettre automatiquement tout ou partie des données descriptives au générateur en langage naturel sans requérir une sollicitation préalable par l’interface de traitement. Cette transmission peut être par exemple périodique ou faire suite à une mise à jour du contenu de la base de données.
• Dans un but de préservation de la confidentialité de certaines données descriptives, un composant de masquage peut être prévu pour masquer ces données avant de les fournir au générateur en langage naturel. Un composant de filtrage peut également être prévu dans un but similaire en empêchant la transmission de certaines données descriptives au générateur en langage naturel.
• L’interface de traitement dispose également d’une liaison de données avec un modèle de langage (110) capable d’interpréter une question en langage naturel et de fournir une réponse à la question en s’appuyant, lorsque la question le requiert, sur des données descriptives qui lui sont également fournies en langage naturel. Le recours au modèle de langage permet aussi de répondre à d’éventuelles questions au-delà d’un éventuel champ d’application prédéfini en s’appuyant sur des connaissances générales, externes à la base de données, sur lesquelles il a préalablement été entraîné.
• L’interface de traitement est configurée pour obtenir une ou plusieurs données descriptives issues de la base de données sous la forme d’un texte issu de la transformation de cette ou ces données descriptives par le générateur en langage naturel. Dans ce texte, la ou les données descriptives peuvent optionnellement être masquées.
• L’interface de traitement dispose de deux modes distincts de traitement de la requête.
• En premier lieu, selon un premier mode, l’interface de traitement tente de fournir une réponse à la question sans faire appel au modèle de langage. Pour cela, l’interface de traitement s’appuie sur un mécanisme d’interrogation qui peut être ou non intégré à l’interface de traitement et qui peut être par exemple doté d’une ou plusieurs règles de compréhension de langage naturel.
• Le résultat obtenu par l’interface de traitement selon le premier mode dirige la suite du processus de traitement de la requête. Le résultat se fonde sur au moins un critère. Un exemple de critère est l’obtention ou non d’une réponse selon le premier mode, de sorte qu’en cas d’absence de réponse, le résultat obtenu est interprété comme un échec.
• Un autre exemple de critère implique l’obtention d’une proposition de réponse selon le premier mode et l’évaluation de cette proposition de réponse par exemple quant à sa qualité ou sa pertinence. Ainsi, le résultat peut comprendre non seulement la proposition de réponse mais aussi au moins une donnée évaluative favorable ou défavorable, de sorte que si la donnée évaluative est défavorable, le résultat obtenu est interprété comme un échec.
• Lorsque le résultat obtenu selon le premier mode est une réussite, il n’est pas nécessaire de mettre en œuvre un traitement selon le deuxième mode et la réponse obtenue selon le premier mode peut être fournie à l’utilisateur.
• Lorsque le résultat obtenu selon le premier mode est un échec, l’interface de traitement déclenche le deuxième mode et sollicite alors le modèle de langage en lui fournissant la question ainsi que le texte. La question et le texte peuvent être fournis ensemble ou successivement. Il est utile que le texte soit fourni au modèle de langage en premier et même, éventuellement, en anticipation du déclenchement du traitement selon le deuxième mode. En effet, le traitement préalable du texte par le modèle de langage permet généralement de minimiser le délai entre le déclenchement du deuxième mode et l’obtention de la réponse.
• Un composant de masquage peut être prévu à ce stade pour masquer certaines parties de texte avant de les fournir au modèle de langage. Un composant de filtrage peut aussi être prévu pour filtrer le texte en empêchant la transmission de certaines parties de texte au modèle de langage.
• Ce mécanisme garantit l’obtention d’une réponse adéquate à la question posée tout en évitant de solliciter inutilement le modèle de langage. Il permet également de respecter la confidentialité des données stockées et traitées.
• représente un circuit de traitement (200) adapté pour mettre en œuvre les étapes d’un procédé d’interrogation de la base de données (106). Il comprend un processeur (202), une mémoire (204) stockant des instructions de programme informatique et une interface de communication (206) avec tout ou partie des éléments d’un système (100) d’interrogation de la base de données.
• Plus généralement, le procédé d’interrogation de la base de données peut être mise en œuvre par de nombreux types d’arrangements de moyens informatiques matériels et/ou logiciels, centralisés et/ou distribués. Par exemple, le circuit de traitement peut représenter un gestionnaire de base de données ou un moteur de recherche.
• et illustrent un exemple de processus de traitement de requêtes à travers deux scénarios distincts.
• La différence entre les deux scénarios réside dans la nature de la question contenue dans la requête à traiter.
• Dans le premier scénario qui correspond à l’exemple de , la question posée est telle que l’interface de traitement parvient à traiter la requête en ne mettant en œuvre que le premier mode.
• Dans le deuxième scénario qui correspond à l’exemple de , la question posée est telle que l’interface de traitement met en œuvre les deux modes pour traiter la requête.
• Dans l’exemple considéré, les premières étapes du processus de traitement sont communes aux deux scénarios.
• Il s’agit de l’obtention (302) par l’interface homme-machine d’une question exprimée en langage naturel, de l’obtention (304) de données descriptives issues d’une base de données liée à une entité et de la mise en œuvre (312) du premier mode de traitement de la question.
• Dans le premier scénario, il est considéré que le premier mode suffit à déterminer la réponse à la question en extrayant la donnée pertinente au sein des données descriptives et en formulant une réponse en langage naturel indiquant la donnée pertinente.
• L’extraction de la donnée pertinente et la formulation de la réponse peuvent découler, de manière connue en soi, de l’application d’une règle prédéterminée associée à la question lorsque cette question et sa formulation avaient été anticipées à la conception de la règle.
• Après vérification (314) que la réponse est obtenue, le processus s’achève par une transmission (328) de la réponse en vue de sa restitution à l’utilisateur.
• Dans le deuxième scénario, il est considéré que le premier mode ne permet pas de déterminer de réponse à la question posée.
• Après vérification (314) que la réponse n’a pas été obtenue, le processus se poursuit par la mise en œuvre (322) du deuxième mode de traitement de la question.
• Le processus comprend une transmission (308) des données descriptives à un générateur en langage naturel chargé de les transformer en texte et, par suite, une obtention (310) du texte par le générateur.
• Le processus comprend ensuite une sollicitation (324) du modèle de langage qui reçoit le texte et la question et une fourniture (328) par le modèle de langage d’une réponse à la question.
• Cet exemple de processus de traitement présente l’avantage de la simplicité, mettant en œuvre un minimum d’étapes dans les scénarios où seul le premier mode est mis en œuvre et réservant la sollicitation du générateur en langage naturel dans les seuls cas où cette sollicitation est rendue nécessaire en raison d’une absence de réponse obtenue dans le premier mode.
• et illustrent un autre exemple de processus de traitement de requêtes, toujours dans deux scénarios distincts correspondant aux mêmes requêtes que précédemment.
• Dans ce nouvel exemple, l’obtention (304) des données descriptives, leur transmission (308) au générateur en langage naturel et l’obtention (310) du texte par le générateur en langage naturel sont effectuées de manière systématique et avant l’obtention de la question et la mise en œuvre (312) du premier mode de traitement.
• La mise en œuvre de ces étapes (304, 308, 310) est fondamentalement indépendante de la nature de la question posée. Ainsi, elles peuvent être effectuées à tout moment avant la sollicitation éventuelle du modèle de langage. Il peut notamment être judicieux de les déclencher à un stade précoce du processus de traitement de requêtes de manière à faciliter la gestion des ressources utilisées par le processus et en minimiser la durée totale, en particulier dans les scénarios où la réponse est finalement obtenue à travers le deuxième mode de traitement.
• Dans l’exemple considéré, le système d’interrogation de la base de données est conçu pour que le générateur en langage naturel, le mécanisme d’interrogation selon le premier mode et le modèle de langage n’aient pas accès à certaines informations sensibles. Cela permet par exemple de protéger les données sensibles contenues dans la base de données du risque d’interception au cours de leur transmission entre les différents éléments du système d’interrogation de la base de données.
• Dans ce but, un traitement (306) des données descriptives obtenues est mis en œuvre sous la forme d’un masquage. De manière générale, un masquage peut être par exemple une substitution de prédicats ou d’arguments spécifiques par des codes uniques qui ne sont pas affectés par la transformation (308) ultérieure des données descriptives en texte. Les codes uniques peuvent être associés aux prédicats ou arguments qu’ils substituent dans une table de correspondance aux fins d’un démasquage (326) ultérieur par substitution inverse. Ainsi, le masquage concerne les données extraites de la base de données, de sorte que toute information sensible extraite de la base de données, en l’occurrence une clé de sécurité Wi-Fi soit substituée par un code avant transformation par le générateur en langage naturel.
• Pour offrir une sécurité supplémentaire, le mécanisme d’interrogation selon le premier mode est configuré, dans l’exemple considéré, pour ne pas avoir directement accès à la base de données mais seulement pour recevoir le texte obtenu par le générateur en langage naturel.
• Ainsi, dans le scénario de , un code apparaît dans la réponse obtenue selon le premier mode et l’information sensible associée n’est substituée au code par démasquage (326) que juste avant la fourniture (328) de la réponse à l’utilisateur. Dans le scénario de , la réponse est obtenue dans le deuxième mode, le code n’y apparaît pas et le démasquage de la réponse est sans effet.
• Une autre spécificité de l’exemple de et réside dans la nature du résultat obtenu selon le premier mode de traitement. Outre la vérification (314) qu’une proposition de réponse est obtenue, il est prévu une vérification supplémentaire (316) que la proposition de réponse a fait l’objet d’une évaluation favorable. Lorsque l’une de ces deux vérifications est défavorable, il peut être prévu le déclenchement automatique (322) du deuxième mode de traitement. Cette démarche permet, en fonction de la nature de l’évaluation, d’augmenter la pertinence et/ou la qualité de la réponse obtenue et fournie à l’utilisateur.
• Différents mécanismes d’évaluation de la proposition de réponse peuvent être envisagés, par exemple en s’appuyant sur une évaluation explicite ou implicite de la proposition de la réponse par l’utilisateur ou sur une détermination d’un niveau de satisfaction de l’utilisateur relativement à la proposition de réponse, cette détermination pouvant par exemple être mise en œuvre par inférence à l’aide d’un module d’apprentissage automatique.
• illustre un autre exemple de processus de traitement de requêtes, dans un scénario correspondant à une requête dont le traitement nécessite l’utilisation successive des deux modes.
• Dans cet exemple, l’obtention (304) des données descriptives est mise en œuvre après la réception (302) de la question posée mais avant la mise en œuvre (312) du traitement selon le premier mode.
• Dans un contexte où le contenu de la base de données évolue dans le temps, cette démarche permet de garantir l’obtention d’une réponse actualisée à la question posée.
• Par ailleurs, un traitement (320) du texte est mis en œuvre avant la fourniture du texte au modèle de langage. Dans l’exemple considéré, ce traitement implique un masquage à l’instar de l’exemple de et , et implique également un filtrage par suppression de parties spécifiques du texte se rapportant à des prédicats ou à des arguments spécifiques.
• Cette démarche est particulièrement utile dans le cas où le système d’interrogation de la base de données est principalement géré par l’organisation propriétaire de la base de données, à l’exception notable du modèle de langage qui est géré par une organisation tierce.
• Ainsi, les différents éléments du système d’interrogation de la base de données gérés par l’organisation propriétaire de la base de données ont un accès étendu au contenu de la base de données, ce qui augmente les possibilités de répondre à la question posée selon le premier mode. A l’inverse, pour des raisons de sécurité, le modèle de langage n’a accès qu’à un ensemble restreint de données, le cas échéant sous forme masquée, avec un impact limité sur l’obtention de réponses pertinentes aux questions qui lui sont fournies.

Claims (17)

1. Procédé, mis en œuvre par au moins un circuit de traitement, d’interrogation en langage naturel d’une base de données (106) stockant une donnée descriptive relative à une entité, le procédé comprenant :
   une obtention d’une réponse à une requête comportant une question en langage naturel par l’intermédiaire d’une interface de traitement (104) à laquelle sont fournis un texte résultant d’une transformation par un générateur en langage naturel (108) de la donnée descriptive relative à l’entité et la question, l’interface de traitement étant configurée pour solliciter (324), en fonction d’un résultat obtenu par l’interface de traitement dans un premier mode, un modèle de langage (110) en lui fournissant le texte et la question posée dans un deuxième mode, les premier et deuxième modes étant distincts.
2. Procédé selon la revendication 1, comprenant une réception de la requête par l’intermédiaire d’une interface homme-machine.
3. Procédé selon la revendication 2, comprenant un déclenchement de la transformation de la donnée descriptive après la réception de la requête.
4. Procédé selon la revendication 3, comprenant une mise à jour de la donnée descriptive entre la réception de la requête et le déclenchement de la transformation de la donnée descriptive.
5. Procédé selon l’une quelconque des revendications 1 à 4, comprenant une obtention par le générateur en langage naturel du texte résultant de la transformation de la donnée descriptive.
6. Procédé selon l'une quelconque des revendications 1 à 5, comprenant une utilisation par le générateur en langage naturel d’une règle prédéterminée lors de la transformation de la donnée descriptive.
7. Procédé selon l’une quelconque des revendications 1 à 6, dans lequel la donnée descriptive est sous la forme de prédicats avec un nombre quelconque d’arguments.
8. Procédé selon l'une quelconque des revendications 1 à 7, dans lequel la donnée descriptive est filtrée et/ou une partie de la donnée descriptive est masquée avant la transformation de la donnée descriptive.
9. Procédé selon l'une quelconque des revendications 1 à 8, dans lequel le texte est filtré et/ou une partie du texte est masquée avant de fournir le texte au modèle de langage.
10. Procédé selon l'une quelconque des revendications 1 à 9, dans lequel l’interface de traitement est configurée pour effectuer, dans le premier mode, un traitement de la question par un mécanisme d’interrogation doté d’une règle de compréhension de langage naturel.
11. Procédé selon l’une quelconque des revendications 1 à 10, dans lequel :
    le résultat obtenu par l’interface de traitement dans le premier mode est indicatif d’une obtention de la réponse ou d’une non-obtention de la réponse dans le premier mode, et
    l’interface de traitement est configurée pour solliciter le modèle de langage dans le deuxième mode lorsque le résultat est indicatif de la non-obtention de la réponse dans le premier mode.
12. Procédé selon l’une quelconque des revendications 1 à 11, dans lequel
    le résultat obtenu par l’interface de traitement dans le premier mode comporte une proposition de réponse et une donnée évaluative de la proposition de réponse, et
    l’interface de traitement est configurée pour fournir la proposition de réponse en tant que réponse lorsque la donnée évaluative est favorable et pour solliciter le modèle de langage dans le deuxième mode lorsque la donnée évaluative est défavorable.
13. Programme informatique comportant des instructions pour la mise en œuvre du procédé selon l’une des revendications 1 à 12 lorsque ce programme est exécuté par un processeur.
14. Support d’enregistrement non transitoire (204) lisible par un ordinateur sur lequel est enregistré le programme informatique selon la revendication 13.
15. Système (100) d’interrogation d’une base de données (106) stockant une donnée descriptive relative à une entité, le système comportant :
    une interface de traitement (104) étant apte à obtenir une réponse à une requête comportant une question en langage naturel en fonction d’un texte résultant d’une transformation par un générateur en langage naturel (108) de la donnée descriptive relative à l’entité et de la question, l’interface de traitement étant configurée pour solliciter (324), en fonction d’un résultat obtenu par l’interface de traitement dans un premier mode, un modèle de langage (110) en lui fournissant le texte et la question dans un deuxième mode, les premier et deuxième modes étant distincts.
16. Système selon la revendication 15, le système comportant :
    une interface homme machine apte à obtenir une requête comportant une question en langage naturel.
17. Système selon la revendication 15 ou 16, le système comportant :
    un générateur en langage naturel apte à obtenir le texte issu de la transformation de la donnée descriptive.