Post-doctorant (F/H) Génération D’explications de Haute Qualité Pour Les Arguments Implicites Dans Les Débats Controversés

**Type de contrat**: CDD

**Niveau de diplôme exigé**: Thèse ou équivalent

**Fonction**: Post-Doctorant

**A propos du centre ou de la direction fonctionnelle**:
Le centre Inria d'Université Côte d'Azur regroupe 42 équipes de recherche et 9 services d’appui. Le personnel du centre (500 personnes environ) est composé de scientifiques de différentes nationalités, d’ingénieurs, de techniciens et d’administratifs. Les équipes sont principalement implantées sur les campus universitaires de Sophia Antipolis et Nice ainsi que Montpellier, en lien étroit avec les laboratoires et les établissements de recherche et d'enseignement supérieur (Université Côte d’Azur, CNRS, INRAE, INSERM...), mais aussi avec les acteurs économiques du territoire.

Présent dans les domaines des neurosciences et biologie computationnelles, la science des données et la modélisation, le génie logiciel et la certification, ainsi que la robotique collaborative, le Centre Inria d’Université Côte d’Azur est un acteur majeur en termes d'excellence scientifique par les résultats obtenus et les collaborations tant au niveau européen qu'international.

**Contexte et atouts du poste**:
**Motivation**

L'argumentation est un mécanisme fondamental du raisonnement humain, de la prise de décision et de la communication. Dans les débats du monde réel, les arguments sont rarement entièrement explicites ; ils s’appuient souvent sur des connaissances implicites, des hypothèses partagées ou des prémisses omises. La récupération de ces éléments manquants est essentielle pour permettre aux machines de comprendre, d’interpréter et de raisonner sur des arguments en langage naturel.

Ce projet postdoctoral porte sur la génération et l’évaluation d’explications d’arguments implicites. L’objectif n’est pas seulement de produire des explications plausibles, mais aussi d’évaluer rigoureusement leur qualité. Pour cela, nous prolongerons et mettrons en œuvre la méthodologie développée dans _“An Axiomatic Study of the Evaluation of Enthymeme Decoding in Weighted Structured Argumentation”_ (arXiv:2411.04555) par Victor David et Anthony Hunter. Ce cadre fournit une base formelle pour évaluer la qualité des explications selon plusieurs critères logiques, structurels et sémantiques.

Au-delà de l’étude formelle, ce projet postdoctoral vise à rendre notre cadre opérationnel en l’appliquant à des arguments en langage naturel. Nous évaluerons la qualité des explications générées à partir de débats réels, en combinant les critères formels de l’article (adaptés au langage naturel) avec des métriques de traitement du langage naturel telles que BERTScore ou le taux de répétition. Si nécessaire, nous prévoyons également de définir de nouvelles métriques spécifiques à la tâche. Une évaluation humaine sera également menée pour analyser comment les explications sont perçues selon divers critères, tels que la clarté, le caractère informatif et la plausibilité, afin de soutenir leur interprétabilité et leur pertinence pratique.

Notre objectif à long terme est de contribuer à la compréhension et à la médiation de débats complexes, comme ceux portant sur des enjeux environnementaux, où les arguments couvrent plusieurs dimensions (économique, environnementale, morale, sociétale, etc.). Dans de tels contextes, rendre explicites les raisonnements implicites (de manière structurée et qualitative) est essentiel pour favoriser un dialogue constructif, une pensée critique et une prise de décision éclairée.

***:
**Une collaboration active**:
Depuis octobre 2023, une collaboration étroite est en place entre Anthony Hunter et Victor David, centrée sur l’évaluation et l’explication des arguments implicites. Le ou la postdoctorant-e bénéficiera également de la participation de Serena Villata et Elena Cabrio, qui apportent une expertise reconnue sur les arguments en langage naturel et contribueront au projet au sein de l’équipe associée.

**Mission confiée**:
**Missions & Collaboration**

Avec l’aide de Victor David et Anthony Hunter, la personne recrutée s’appuiera sur les modèles symboliques et formels existants des arguments implicites pour concevoir des méthodes d’apprentissage et des métriques d’évaluation. L’objectif n’est pas de proposer de nouveaux modèles symboliques, mais plutôt de traduire et d’opérationnaliser ces connaissances théoriques dans des approches computationnelles pour la génération et l’évaluation d’explications. Victor et Anthony accompagneront étroitement cette démarche afin de garantir un transfert efficace des connaissances formelles.

En parallèle, le ou la postdoctorant-e travaillera en étroite collaboration avec Serena Villata et Elena Cabrio, expertes en traitement automatique du langage naturel (TAL/NLP) et en argument mining, qui encadreront les aspects NLP, l’exploration de jeux de données et les protocoles d’évaluation empirique. Ce cadre interdisciplinaire garantit que le projet repose à la fois sur une rigueur formelle et une pertinence empirique.

**Principales a