@inproceedings{xu-etal-2022-detection,
    title = "D{\'e}tection d{'}anomalies textuelles {\`a} base de l{'}ing{\'e}nierie d{'}invite (Prompt Engineering-Based Text Anomaly Detection )",
    author = "Xu, Yizhou  and
      G{\'a}bor, Kata  and
      Khouas, Leila  and
      Segond, Fr{\'e}d{\'e}rique",
    editor = "Est{\`e}ve, Yannick  and
      Jim{\'e}nez, Tania  and
      Parcollet, Titouan  and
      Zanon Boito, Marcely",
    booktitle = "Actes de la 29e Conf{\'e}rence sur le Traitement Automatique des Langues Naturelles. Volume 1 : conf{\'e}rence principale",
    month = "6",
    year = "2022",
    address = "Avignon, France",
    publisher = "ATALA",
    url = "https://preview.aclanthology.org/fix-sig-urls/2022.jeptalnrecital-taln.4/",
    pages = "42--53",
    language = "fra",
    abstract = "La d{\'e}tection d{'}anomalies textuelles est une t{\^a}che importante de la fouille de textes. Plusieurs approches g{\'e}n{\'e}rales, visant l{'}identification de points de donn{\'e}es aberrants, ont {\'e}t{\'e} appliqu{\'e}s dans ce domaine. N{\'e}anmoins, ces approches exploitent peu les nouvelles avanc{\'e}es du traitement automatique des langues naturelles (TALN). L{'}av{\`e}nement des mod{\`e}les de langage pr{\'e}-entra{\^i}n{\'e}s comme BERT et GPT-2 a donn{\'e} naissance {\`a} un nouveau paradigme de l{'}apprentissage automatique appel{\'e} ing{\'e}nierie d{'}invite (prompt engineering) qui a montr{\'e} de bonnes performances sur plusieurs t{\^a}ches du TALN. Cet article pr{\'e}sente un travail exploratoire visant {\`a} examiner la possibilit{\'e} de d{\'e}tecter des anomalies textuelles {\`a} l{'}aide de l{'}ing{\'e}nierie d{'}invite. Dans nos exp{\'e}rimentations, nous avons examin{\'e} la performance de diff{\'e}rents mod{\`e}les d{'}invite. Les r{\'e}sultats ont montr{\'e} que l{'}ing{\'e}nierie d{'}invite est une m{\'e}thode prometteuse pour la d{\'e}tection d{'}anomalies textuelles."
}