Projet de fin d'étude : Adaptation des LLMs à l’interrogation en langage naturel de la base des données mondiale des acquisitions foncières Land Matrix

Etudiant : AIT KBIR FATIHA

Filière : Master Web Intelligence et Sciences des Données (WISD)

Encadrant : Pr. NFAOUI EL HABIB

Annèe : 2025

Résumé : Le Text-to-SQL est une approche visant à automatiser la traduction des questions en langage naturel en requêtes SQL exécutables directement sur une base de données. Les grands modèles de langage (LLMs) ont trouvé des applications variées dans de nombreux domaines, y compris les applications web, où ils facilitent les interactions humaines grâce à des chatbots avec des interfaces en langage naturel. Dans ce contexte, ce rapport explore l'utilisation des grands modèles de langage pour faciliter l'accès aux données de l'initiative Land Matrix (LMI) via le langage naturel. Pour ce faire, différentes approches ont été utilisées pour adapter les modèles à la génération de requêtes GraphQL afin d'interroger l'API de LMI, notamment l'apprentissage contextuel (In-Context Learning), les agents LLM (Agentic LLMs), et la génération augmentée par la récupération (Retrieval-Augmented Generation, RAG).