Soutenance : Soutenance de thèse de Monsieur Dipendra SHARMA KAFLE

Avis de Soutenance

Monsieur Dipendra SHARMA KAFLE
Spécialité : Informatique et Applications

Soutiendra publiquement ses travaux de thèse intitulés

« Vers une recherche d’experts académiques explicable : de la modélisation de l’expertise au classement équitable. »

dirigés par Monsieur Antoine DOUCET et Madame Esma TALHI

Soutenance prévue le mardi 24 novembre 2026

Lieu : EIGSI
Amphitheatre A,
26 Rue François de Vaux de Foletier,
17041 La Rochelle cedex 1

Composition du jury proposé :

M. Antoine DOUCET, Professeur des universités,  Université de La Rochelle, Directeur de thèse
Mme Esma TALHI, Maîtresse de conférences, École d’Ingénieurs en Génie des Systémes Industriels (EIGSI), Co-directrice de thèse
M. Mickaël COUSTATY, Maître de conférences, Université de La Rochelle, Examinateur
Mme Renata VIEIRA, Full professor, Universidade de Évora, Rapporteure
M. Adam JATOWT, Full professor, Universität Innsbruck, Rapporteur
M. Patrice  BELLOT, Professeur des universités, Aix-Marseille Université, Examinateur
Mme Aurélie NÉVÉOL, Directrice de recherche, CNRS & Université Paris-Saclay, Examinatrice

Résumé : 

La recherche d’experts académiques est généralement formulée comme un problème de classement : à partir d’une requête, il s’agit d’identifier les chercheurs les plus pertinents pour celle-ci. Cette thèse soutient qu’une recherche efficace d’experts nécessite non seule- ment un classement précis, mais également une modélisation pertinente de l’expertise, une recherche interprétable et une représentation équitable des chercheurs. Dans un pre- mier temps, elle développe un cadre de modélisation des domaines d’expertise latents et évolutifs fondé sur le partitionnement flou, qui permet aux documents d’appartenir à plusieurs domaines avec des degrés d’appartenance différents ; ce cadre modélise en outre l’évolution, au cours du temps, de la pertinence des documents par rapport à la re- quête. Sur cette base, un cadre de recherche d’experts augmenté par la récupération de connaissances examine la recherche lexicale et sémantique, le classement fondé sur la pertinence et sur les citations, ainsi que le reclassement par un grand modèle de langage ancré dans un graphe de connaissances. Les expérimentations montrent des améliora- tions par rapport aux approches classiques et aux méthodes de référence reposant sur des représentations vectorielles, tandis que la génération d’explications appuyées sur des élé- ments probants améliore l’interprétabilité des résultats. Enfin, cette thèse aborde l’équité dans la visibilité des chercheurs en distinguant les chercheurs interdisciplinaires des spé- cialistes d’un domaine au moyen d’une technique de caractérisation de l’expertise fondée sur une mesure d’entropie. Elle introduit également un mécanisme de classement tem- porel tenant compte de la carrière, qui distingue les chercheurs émergents, collaborateurs et encadrants et prend en compte ces différents profils lors du classement. Les expérimen- tations montrent une diversité nettement accrue des profils de chercheurs présentés, sans réduction mesurable de la précision de la recherche. Dans leur ensemble, ces résultats établissent que la recherche d’experts académiques doit être considérée comme un pro- cessus de modélisation dynamique de l’expertise et de classement équitable des experts, plutôt que comme un simple classement fondé sur la pertinence. Mots-clés : Recherche d’information, Recherche d’experts, RAG

https://www.univ-larochelle.fr/recherche/doctorat-et-hdr/soutenances-de-theses/soutenances-de-theses