@inproceedings{naguib-etal-2024-reconnaissance,
    title = "Reconnaissance d`entit{\'e}s cliniques en few-shot en trois langues",
    author = "Naguib, Marco  and
      N{\'e}v{\'e}ol, Aur{\'e}lie  and
      Tannier, Xavier",
    editor = "Balaguer, Mathieu  and
      Bendahman, Nihed  and
      Ho-dac, Lydia-Mai  and
      Mauclair, Julie  and
      G Moreno, Jose  and
      Pinquier, Julien",
    booktitle = "Actes de la 31{\`e}me Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles, volume 1 : articles longs et prises de position",
    month = "7",
    year = "2024",
    address = "Toulouse, France",
    publisher = "ATALA and AFPC",
    url = "https://preview.aclanthology.org/add-emnlp-2024-awards/2024.jeptalnrecital-taln.12/",
    pages = "169--197",
    language = "fra",
    abstract = "Les grands mod{\`e}les de langage deviennent la solution de choix pour de nombreuses t{\^a}ches de traitement du langage naturel, y compris dans des domaines sp{\'e}cialis{\'e}s o{\`u} leurs capacit{\'e}s few-shot devraient permettre d`obtenir des performances {\'e}lev{\'e}es dans des environnements {\`a} faibles ressources. Cependant, notre {\'e}valuation de 10 mod{\`e}les auto-r{\'e}gressifs et 16 mod{\`e}les masqu{\'e}s montre que, bien que les mod{\`e}les auto-r{\'e}gressifs utilisant des prompts puissent rivaliser en termes de reconnaissance d`entit{\'e}s nomm{\'e}es (REN) en dehors du domaine clinique, ils sont d{\'e}pass{\'e}s dans le domaine clinique par des taggers biLSTM-CRF plus l{\'e}gers reposant sur des mod{\`e}les masqu{\'e}s. De plus, les mod{\`e}les masqu{\'e}s ont un bien moindre impact environnemental que les mod{\`e}les auto-r{\'e}gressifs. Ces r{\'e}sultats, coh{\'e}rents dans les trois langues {\'e}tudi{\'e}es, sugg{\`e}rent que les mod{\`e}les {\`a} apprentissage few-shot ne sont pas encore adapt{\'e}s {\`a} la production de REN dans le domaine clinique, mais pourraient {\^e}tre utilis{\'e}s pour acc{\'e}l{\'e}rer la cr{\'e}ation de donn{\'e}es annot{\'e}es de qualit{\'e}."
}