Dans le contexte contemporain marqué par l'émergence d'une nouvelle génération de modèles linguistiques d'Intelligence Artificielle (IA) démontrant des capacités notables dans le traitement du langage, il apparaît crucial d'examiner avec attention les défis et acquis accumulés par la communauté scientifique engagée dans la modélisation computationnelle de la créativité littéraire. Les travaux menés dans ce domaine au fil des années ont alterné entre succès partiels sur des tâches spécifiques et échecs rencontrés face à des objectifs trop ambitieux.
La prise en compte de ces enseignements s'avère fondamentale pour les recherches futures dans ce domaine. La présente contribution vise ainsi à synthétiser ces acquis sous la forme d'un ensemble structuré de défis auxquels fait face la génération automatique de récits tout en mettant en lumière les opportunités qui se présentent pour son développement futur.
L'article est organisé selon une progression méthodologique : il examine d'abord les différentes formulations possibles du problème de génération automatique de récits par un programme informatique, avant de proposer une réflexion sur la décomposition du processus narratif en un ensemble de sous-tâches interdépendantes, telles qu'elles émergent des formulations précédemment examinées. Cette approche permet d'aborder de manière systématique les enjeux théoriques et pratiques de la génération narrative computationnelle.
PROGRAMMES DE GÉNÉRATION DE RÉCITS : ANALYSE DES APPROCHES
Les systèmes de génération automatique de récits peuvent être analysés selon un continuum allant des approches élémentaires vers des méthodologies plus sophistiquées.
Approche par sélection aléatoire : La formulation la plus rudimentaire consiste en un système qui, sans aucune entrée spécifique, sélectionne de manière aléatoire un récit préexistant dans une base de données constituée (Gervás, 2021). Cette méthode présente l'avantage de simplicité mais se heurte rapidement à ses limites en termes de diversité et d'originalité des productions.
Approche par requête à base de mots-clés : Une sophistication notable s'opère avec l'introduction de paramètres de recherche sous forme de mots-clés ou d'expressions spécifiques (Kybartas & Bidarra, 2016). Ces critères peuvent inclure :
- Les caractéristiques du monde narratif
- Les attributs des personnages et leurs relations
- Les structures scénaristiques
- L'impact potentiel sur le public cible
Approche par prompts textuels complexes : L'évolution la plus récente se manifeste par l'utilisation de prompts textuels élaborés permettant une description détaillée du récit souhaité (Zhang & Li, 2021). Cette méthode, rendue possible par les avancées en matière de modèles linguistiques neuronaux, présente plusieurs caractéristiques distinctives :
- Une granularité fine dans la spécification des attentes narratives
- Une capacité accrue à générer des récits adaptés aux demandes spécifiques
- Une interaction plus naturelle avec les utilisateurs
Cette progression méthodologique témoigne de l'évolution significative des techniques de génération automatique de récits, passant d'une simple extraction aléatoire à des systèmes capables d'interpréter et de répondre à des instructions complexes. Cette analyse structurée met en évidence non seulement le développement technologique mais aussi conceptuel du domaine, chaque approche présentant ses propres défis et opportunités en matière de créativité narrative computationnelle.
DÉFIS PRINCIPAUX DE LA GÉNÉRATION NARRATIVE COMPUTATIONNELLE
Création d'histoires originales :
La génération de récits véritablement originaux constitue un défi majeur pour les systèmes computationnels, impliquant deux problématiques distinctes mais interdépendantes :
a) Construction narrative
Approche compositionnelle basée sur des éléments constituants :
- Méthode lexical : utilisation de mots comme unités de base (Brown et al., 1992)
- Méthode actionnelle : emploi d'abstractions représentant des actions narratives (Young et al., 2013)
Approche par planification événementielle :
- Modélisation d'opérateurs de planification représentant des événements narratifs
- Établissement de relations causales entre actions via préconditions et post-conditions
b) Évaluation de l'originalité
Complexité de la mesure de similarité narrative (Fisseni & Löwe, 2014)
Développement de métriques d'évaluation :
- Analyse comparative multi-critères
- Modèles statistiques de détection de duplication
Problématique de la nouveauté perceptive vs objective (Peinado et al., 2010)
Production d'histoires acceptables
Ce défi repose sur deux axes complémentaires :
a) Métriques de qualité narrative
Dimensions évaluées :
- Cohérence sémantique (Gervás et al., 2021)
- Crédibilité des personnages (Gomes et al., 2013)
- Structure temporelle et causale
- Approches multidimensionnelles intégratives
- Validation expérimentale des critères
b) Intégration critique dans le générateur
Module d'évaluation interne inspiré des modèles cognitifs humains (Flower & Hayes, 1981)
- Processus itératif de révision narrative
- Alignement avec les attentes du public cible
- Génération pour objectifs spécifiques
Cette dimension présente des défis particuliers :
Modélisation du "but" narratif
- Formalisation des intentions communicationnelles (Smedley, 1952)
- Adaptation au contexte d'utilisation
- Évaluation de l'efficacité persuasive
Applications spécialisées
- Domaines pédagogiques : éducation à la citoyenneté (Aylett et al., 2007
- Entraînement professionnel : simulation d'urgences (Hullett & Mateas, 2009)
- Formation militaire : scénarios tactiques (Zook et al., 2012)
- Narration biographique : synthèse d'expériences personnelles (Kim et al., 2002)
Cette structuration met en évidence la complexité multidimensionnelle des défis rencontrés dans la génération automatique de récits, nécessitant une approche méthodologique intégrative combinant aspects techniques, cognitifs et pragmatiques.
RECONSIDÉRATION DES HYPOTHÈSES DE BASE : UNE TYPOLOGIE DES TÂCHES NARRATIVES
Distinction fondamentale entre trois niveaux narratifs
a) Le texte
- Correspond à la matérialisation linguistique concrète
- Inclut les particularités du système linguistique spécifique
- Représente le niveau le plus superficiel de l'analyse narrative
b) Le discours
- Consiste en une séquence structurée de propositions
- Implique des relations sémantiques entre entités narratives
- Constitue un niveau intermédiaire d'abstraction
c) Le monde narratif
- Représente l'univers fictionnel ou non-fictionnel décrit
- Contient les événements, personnages et lieux
- Correspond au niveau le plus profond de représentation
Typologie des tâches narratives principales
a) Génération narrative
Création ex nihilo d'éléments narratifs
Peut opérer à différents niveaux :
- Génération directe de texte
- Construction de discours conceptuels
- Création d'événements dans le monde narratif
b) Composition narrative
Processus de traduction entre niveaux
Comprend deux sous-tâches principales :
- Transcription d'événements du monde narratif en discours
- Rendu du discourse en texte linguistique
Alignement avec le modèle classique de génération de langage naturel (Reiter & Dale, 2000)
c) Interprétation narrative
Analyse inverse de la génération
Comprend :
- Reconstruction du discours à partir du texte
- Inférence du monde narratif à partir du discours
Correspond aux objectifs traditionnels de la compréhension automatique du langage
Analyse des transitions entre niveaux
a) Transition texte-discours
Implication pour la génération :
- Planification du contenu (content planning)
- Sélection des événements pertinents
Correspondance avec les approches computationnelles existantes :
- Modèles neuronaux actuels se concentrent principalement sur ce niveau
- Approche alignée avec le traitement du langage naturel classique
b) Transition discours-monde narratif
Complexité particulière :
- Nécessite modélisation des relations causales et temporelles
- Doit gérer les ellipses narratives
Importance pour :
- La génération basée sur simulation
- L'interprétation de récits complexes
c) Circulation multidirectionnelle
- Caractère non-linéaire du processus créatif humain
Interaction dynamique entre niveaux lors de la révision narrative
Implications pour la conception de systèmes génératifs avancés
CONCLUSION
- Le récit computationnel doit être vu comme un ensemble de sous-tâches interconnectées
- Les systèmes actuels n'explorent qu'une partie des combinaisons possibles
- Défi majeur : intégration des différentes approches