Résumé
Ce travail explore différentes méthodes pour le défi TextMine 2026, allant de la simple similarité sémantique aux modèles basés sur les transformers et aux modèles de langues de grande taille (LLMs). J’évalue des LLMs open-source et propriétaires, y compris des approches hybrides et enrichies par RAG, et compare leurs performances sur les jeux de test publics et privés. La meilleure performance est obtenue par GPT-5 combiné à un pipeline RAG, montrant que TextMine constitue un benchmark suffisamment exigeant pour évaluer les LLMs modernes.