EMERGE évalue la mise à jour des graphes de connaissances

LLéna

EMERGE évalue la capacité de 13 modèles d’intelligence artificielle à mettre à jour des graphes de connaissances à partir de nouveaux textes, selon AlphaSignal. Le benchmark associe 233 000 passages de Wikipédia à 1,45 million de modifications de Wikidata, réparties sur 7 instantanés annuels, de 2019 à 2025. Il ne s’agit pas seulement de repérer des faits dans un texte isolé : les modèles doivent tenir compte du contenu déjà présent dans le graphe et le faire évoluer en intégrant les informations nouvelles. Cinq opérations sont testées : conserver une relation existante, en ajouter une, créer une entité puis l’ajouter au graphe, inférer de nouvelles relations et retirer des faits devenus obsolètes. L’évaluation porte notamment sur GPT-5.1 avec le pipeline EDC+, et le benchmark a été accepté à ICLR 2026. Les performances diminuent lorsque les changements à intégrer au graphe sont plus importants, ce qui montre que la mise à jour devient plus difficile à mesure que les modifications s’accumulent. Parmi les opérations évaluées, l’inférence de relations et le retrait de faits obsolètes sont les plus difficiles pour les modèles. Autrement dit, maintenir un graphe à jour ne consiste pas seulement à ajouter des informations : il faut aussi déterminer quelles relations nouvelles déduire et quels faits ne doivent plus être conservés, tout en tenant compte des relations déjà présentes.