Terminographie assistée par intelligence artificielle générative: Cinq clefs théoriques et méthodologiques pour la description du sens

La description du sens des termes en milieu professionnel soulève de nombreux défis (Béjoint et Thoiron, 2000). Ainsi, sur la plateforme d'apprentissage d’une école et son référentiel terminologique, les descriptions doivent être adaptées aux besoins des apprenants et des enseignants, aux choix didactiques et pédagogiques de l’école, ainsi qu’à ses stratégies d’affaires (Simonsen, 2023). Avec l’intelligence artificielle générative (IAg), cf. ChatGPT (2024), pour la génération de descriptions (de Schryver & Joffe, 2023), de nouvelles interrogations théoriques et méthodologiques surgissent : comment l'IAg peut-elle aider les terminographes à adapter les descriptions ? Quels modèles appliquer pour élaborer des prompts tirant meilleur parti de la technologie ? Notre objectif ici est de démontrer comment différentes approches théoriques et méthodologiques, que nous dénommons ‘clefs’ ici, peuvent être activées dans la génération de prompts en milieu d’apprentissage professionnel. Nous basant sur la revue de contributions théoriques en description du sens, nous avons pu définir 5 clefs : 1. Clef sémantique (Wiegand, 1994) ; 2. Clef encyclopédique (Wiegand, 1994) ; 3. Clef fonctionnelle (Agerbo & Bergenholtz, 2007 ; Leroyer, 2018) ; 4. Clef pragmaterminologique (de Vecchi, 2018, 2020) ; 5. Clef LMCP – construction organisationnelle du sens (Leroyer & Simonsen, 2020). Nous avons ensuite utilisé ces clefs dans une expérimentation dans une école d’assurances. Une sélection de termes du domaine a été retenue en vue d’investiguer, auprès des apprenants et des enseignants, la validité des clefs. Nos résultats font ressortir que les clefs permettent de valider des modèles de prompts pour la production de descriptions adaptées aux besoins des utilisateurs et aux stratégies de l'école.