Le traitement automatisé du langage naturel: l’apport des transformers et les enjeux pour les sciences économiques

Charles Condevaux and Stéphane Mussard
Additional contact information
Charles Condevaux: UNIMES - Nîmes Université

Post-Print from HAL

Abstract: Suite à l'abandon progressif des réseaux de neurones récurrents au profit des transformers, la recherche en traitement du langage naturel se concentre depuis 2018 dans la construction de grands modèles de langue. Capables de tenir des conversations ou de résoudre des tâches complexes telles que la génération de résumé et la traduction, l'entraînement de ces architectures suit deux principes : une phase généraliste sur des corpus gigantesques puis une spécialisation sur des problématiques bien définies. Au coeur de ces modèles, le mécanisme d'attention permet le traitement de séquences de natures diverses (texte, audio, valeurs numériques) en connectant les éléments entre eux grâce à des matrices de scores. Cet article expose la méthode, l'architecture et les tâches réalisables par les transformers en sciences économiques.

Date: 2025-03-17
References: Add references at CitEc
Citations:

Published in Revue d'économie politique, 2025, Vol. 134 (6), pp.947-978. ⟨10.3917/redp.346.0947⟩

There are no downloads for this item, see the EconPapers FAQ for hints about obtaining it.

Related works:
This item may be available elsewhere in EconPapers: Search for items with the same title.

Export reference: BibTeX RIS (EndNote, ProCite, RefMan) HTML/Text

Persistent link: https://EconPapers.repec.org/RePEc:hal:journl:hal-05075552

DOI: 10.3917/redp.346.0947

Access Statistics for this paper

More papers in Post-Print from HAL
Bibliographic data for series maintained by CCSD ().