Séminaire ayant lieu dans le cadre du Doctorat en informatique cognitive, en collaboration avec le centre de recherche CRIA           

TITRE : Le pouvoir recombinant du langage

Nicolas GOULET et Léo BOISVERT

Jeudi le 10 septembre 2026 à 10h30

Local PK-5115 (Il est possible d'y assister en virtuel en vous inscrivant ici)             

RÉSUMÉ

Tout dictionnaire complet peut être représenté comme un graphe définitionnel, où chaque mot-contenu (nom, verbe, adjectif, adverbe) renvoie, par sa définition, à d'autres mots-contenu. Nos travaux antérieurs ont montré que chaque graphe dictionnairique possède un « MinSet » : le plus petit ensemble de mots-contenu dont le référent doit être appris directement — par les sens et l'action — à partir duquel tous les autres mots-contenu peuvent être définis de façon purement récursive. Ce MinSet s'est révélé étonnamment petit : environ 1 % des mots-contenu. Cet exposé présente une généralisation de ce résultat : au lieu de ne considérer que le premier sens de chaque mot, nous désambiguïsons l'ensemble des sens de chaque mot-contenu, dans plusieurs dictionnaires anglais ainsi que dans de nouveaux dictionnaires en plusieurs langues. Bien que le nombre total de mots-contenu augmente considérablement une fois les sens désambiguïsés, la taille du MinSet ne croît que modérément, et ce profil se retrouve à travers les dictionnaires et les langues. Ce résultat renforce l'idée qu'un très petit noyau de mots ancrés sensorimoteurs suffit à engendrer, par recombinaison seule, la totalité du lexique — avec des implications pour l'apprentissage du langage chez l'enfant, la pédagogie, et les limites des grands modèles de langage, qui n'ont accès qu'à la recombinaison, jamais à l'ancrage direct.

BIOGRAPHIE

Nicolas GOULET est doctorant en sciences des données à HEC et Mila. Il a étudié les bases neurales du comportement avant d'entamer une maîtrise en informatique et IA à l'UQAM dirigé par É. Harnad et A. Blondin Massé. Dirigées par T. Maharaj au Errata Lab, ses recherches doctorales lient l’apprentissage du langage, les fondements mathématiques de la perception catégorielle dans les LLMs et l’ancrage des symboles. Il s’intéresse aussi à la neuroscience, la sentience, et divers aspects de l’informatique-mathématique. 

Léo BOISVERT est doctorant en génie informatique à Polytechnique Montréal et Mila, et est chercheur invité à ServiceNow Research. Sa recherche se concentre sur les enjeux de sécurité des systèmes d’IA agentive. Au travers de son travail de chroniqueurs dans les médias et de conseiller, il cherche à démocratiser la littératie des systèmes agentiques et d’IA modernes. 

RÉFÉRENCES

Navigli, R. (2026). Is word sense disambiguation dead in the LLM era? Proceedings of the AAAI Conference on Artificial Intelligence (Vol. 40, No. 46, pp. 39753-39762).

Meconi, D., Stirpe, S., Martelli, F., Lavalle, L., & Navigli, R. (2025). Do large language models understand word senses? In Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing (pp. 33885-33904).

Goulet, N., Massé, A. B., & Abdendi, M. (2025). Approaching the Source of Symbol Grounding with Confluent Reductions of Abstract Meaning Representation Directed Graphs. arXiv preprint arXiv:2508.11068.

Vincent‐Lamarre, P., Massé, A. B., Lopes, M., Lord, M., Marcotte, O., & Harnad, S. (2016). The latent structure of dictionaries. Topics in cognitive science, 8(3), 625-659.