PFIA 2024
Ontologie de Maintenance des Bâtiments et capacités des Large Modèles de Langage (LLM) pour le Peuplement
Joël Mba Kouhoue, Maxime Lefrançois, Alexis Lesage, Jerry Lonlac, Arnaud Doniec, Stéphane Lecoeuche
Les données de maintenance des bâtiments proviennent de diverses sources, notamment de prestataires de services tels que les ascensoristes, les chauffagistes, ou des professionnels multiservices, ainsi que des clients pouvant être des gestionnaires immobiliers, des villes ou des acteurs du secteur tertiaire. La nature hétérogène de ces données, en raison de la diversité des sources, complique le processus de partage des données. Cet article propose une ontologie de domaine pour représenter ces données, explorant l’utilisation des LLMs pour peupler automatiquement l’ontologie. Les résultats indiquent une bonne performance de ChatGPT et TextCortex dans la génération d’instances à partir de données CSV semi-structurées. Cette approche vise à améliorer l’efficacité du peuplement de l’ontologie malgré la diversité des données de maintenance.