Résumé
Les forums de santé sur internet représentent une ressource textuelle riche, générée par les très nombreux échanges entre patients et, dans certains cas, professionnels de santé. Dans cet article, nous nous intéressons au problème de l'extraction d'informations médicales dans ces textes en nous focalisant sur des thèmes définis à partir d'auto-questionnaires utilisés dans les études cliniques. Il s'agit d'un problème difficile car les textes des forums sont peu structurés et comportent beaucoup de bruit comme des apartés ou des traits d'humour. Dans ce contexte, nous proposons une méthode originale pour l'expansion des requêtes basée sur la synonymie et limitant les faux positifs à l'aide d'une nouvelle mesure de similitude permettant d'écarter les expansions non pertinentes. Concrètement, à partir des thèmes abordés dans un questionnaire conçu pour le cancer du sein, nous quantifions et structurons les occurrences dans les messages d'un forum français spécialisé. Les extensions nécessaires pour un traitement statistique approfondi des informations retrouvées sont esquissées dans les perspectives de cet article.