V0.5 sota.archiUtilisé

rapportS10/rapport/biblio.bib

@@ -108,6 +108,22 @@
 	pages = {1401--1410},
 }
 
+@inproceedings{tran_retrieval_2024,
+	address = {Hong Kong China},
+	title = {Retrieval {Augmented} {Generation} for {Historical} {Newspapers}},
+	isbn = {9798400710933},
+	url = {https://dl.acm.org/doi/10.1145/3677389.3702542},
+	doi = {10.1145/3677389.3702542},
+	language = {en},
+	urldate = {2026-05-21},
+	booktitle = {Proceedings of the 24th {ACM}/{IEEE} {Joint} {Conference} on {Digital} {Libraries}},
+	publisher = {ACM},
+	author = {Tran, The Trung and González-Gallardo, Carlos-Emiliano and Doucet, Antoine},
+	month = dec,
+	year = {2024},
+	pages = {1--5},
+}
+
 @misc{wang_text_2022,
 	title = {Text {Embeddings} by {Weakly}-{Supervised} {Contrastive} {Pre}-training},
 	url = {https://arxiv.org/abs/2212.03533v2},
@@ -269,6 +285,21 @@
 	year = {2025},
 }
 
+@misc{touvron_llama_2023,
+	title = {{LLaMA}: {Open} and {Efficient} {Foundation} {Language} {Models}},
+	shorttitle = {{LLaMA}},
+	url = {http://arxiv.org/abs/2302.13971},
+	doi = {10.48550/arXiv.2302.13971},
+	abstract = {We introduce LLaMA, a collection of foundation language models ranging from 7B to 65B parameters. We train our models on trillions of tokens, and show that it is possible to train state-of-the-art models using publicly available datasets exclusively, without resorting to proprietary and inaccessible datasets. In particular, LLaMA-13B outperforms GPT-3 (175B) on most benchmarks, and LLaMA-65B is competitive with the best models, Chinchilla-70B and PaLM-540B. We release all our models to the research community.},
+	urldate = {2025-12-18},
+	publisher = {arXiv},
+	author = {Touvron, Hugo and Lavril, Thibaut and Izacard, Gautier and Martinet, Xavier and Lachaux, Marie-Anne and Lacroix, Timothée and Rozière, Baptiste and Goyal, Naman and Hambro, Eric and Azhar, Faisal and Rodriguez, Aurelien and Joulin, Armand and Grave, Edouard and Lample, Guillaume},
+	month = feb,
+	year = {2023},
+	note = {arXiv:2302.13971},
+	keywords = {Computer Science - Computation and Language},
+}
+
 @inproceedings{bell_its_2022,
 	address = {Seoul Republic of Korea},
 	title = {It’s {Just} {Not} {That} {Simple}: {An} {Empirical} {Study} of the {Accuracy}-{Explainability} {Trade}-off in {Machine} {Learning} for {Public} {Policy}},

rapportS10/rapport/sota/sota.tex

@@ -91,6 +91,13 @@ de [Fan+23]
 - L'extracteur de RAG4HN est mE5 [Wang+25b] (version multilingue de E5 [Whang+25a])
         \end{verbatim}
 
+        Dans la suite, nous utilisons une version simplifiée de l'architecture RAG4HistoricalNewspaper conçue par \cite{tran_retrieval_2024}. Cette architecture est conçue pour faciliter l'exploration d'archives de journaux historiques. Comme illustré dans le Figure~\ref{fig:RAG4HN}, un premier extracteur récupère les articles pertinents au regard de leur titre. Ces informations sont utilisées pour orienter l'extraction des extraits articles. Dans le cas où aucun titre ou document ne sont extraits, des ressources sont récupérées via une recherche Web. La première extraction peut être vue comme une amélioration de la requête pour l'extraction des extraits d'articles. Les deux extracteurs utilisent le modèle E5 multilingue de \cite{wang_multilingual_2024} et ChromaDB pour la gestion des données. Après l'extraction, les articles obtenus sont reclassés. Le score utilisé est issu d'une combinaison linéaire entre le score de Cohere et le TF-IDF des titres concaténés avec les étiquettes des entités nommées qu'ils contiennent. Seuls les trois meilleurs documents au dessus d'un certain seuil sont conservés. Ce reclassement est une technique d'amélioration des ressources extraites. Pour finir, les documents et la question initiale sont fournis à travers une prompt template à LLaMa3 \cite{touvron_llama_2023} qui est utilisé comme générateur.
+
+        \begin{figure}
+            \includegraphics[width=\textwidth]{images/RAGHN.drawio.png}
+            \caption{Architecture de RAG4HistoricalNewspapers \cite{tran_retrieval_2024}}
+            \label{fig:RAG4HN}
+        \end{figure}
 
 \section{Interprétabilité pour les systèmes de RAG}