@inproceedings{ammar-khodja-etal-2025-connaissances,
    title = "Connaissances factuelles dans les mod{\`e}les de langue : robustesse et anomalies face {\`a} des variations simples du contexte temporel",
    author = "Ammar Khodja, Hichem  and
      B{\'e}chet, Fr{\'e}d{\'e}ric  and
      Brabant, Quentin  and
      Nasr, Alexis  and
      Lecorv{\'e}, Gw{\'e}nol{\'e}",
    editor = "Bechet, Fr{\'e}d{\'e}ric  and
      Chifu, Adrian-Gabriel  and
      Pinel-sauvagnat, Karen  and
      Favre, Benoit  and
      Maes, Eliot  and
      Nurbakova, Diana",
    booktitle = "Actes des 32{\`e}me Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles (TALN), volume 1 : articles scientifiques originaux",
    month = "6",
    year = "2025",
    address = "Marseille, France",
    publisher = "ATALA {\textbackslash}{\textbackslash}{\&} ARIA",
    url = "https://preview.aclanthology.org/corrections-2025-10/2025.jeptalnrecital-taln.10/",
    pages = "167--195",
    language = "fra",
    abstract = "Ce papier explore la robustesse des mod{\`e}les de langue (ML) face aux variations du contexte temporel dans les connaissances factuelles. Il examine si les ML peuvent associer correctement un contexte temporel {\`a} un fait pass{\'e} valide sur une p{\'e}riode de temps d{\'e}limit{\'e}e, en leur demandant de diff{\'e}rencier les contextes corrects des contextes incorrects. La capacit{\'e} de distinction des ML est analys{\'e}e sur deux dimensions : la distance du contexte incorrect par rapport {\`a} la p{\'e}riode de validit{\'e} et la granularit{\'e} du contexte. Pour cela, un jeu de donn{\'e}es, TimeStress, est introduit, permettant de tester 18 ML vari{\'e}s. Les r{\'e}sultats r{\'e}v{\`e}lent que le meilleur ML n{'}atteint une distinction parfaite que pour 11{\%} des faits {\'e}tudi{\'e}s, avec des erreurs critiques qu{'}un humain ne ferait pas. Ces travaux soulignent les limites des ML actuels en mati{\`e}re de repr{\'e}sentation temporelle."
}