Question Answering : Définition et Exemples
Le Question Answering (QA) est une branche du traitement automatique du langage naturel qui vise à générer des réponses précises et pertinentes à des questions posées en langage naturel.
Définition complète
Le Question Answering, ou réponse automatique aux questions, est un domaine de l'intelligence artificielle qui consiste à développer des systèmes capables de comprendre une question formulée en langage naturel et d'y apporter une réponse exacte. Contrairement à un moteur de recherche classique qui retourne une liste de documents, un système de QA extrait ou génère directement la réponse attendue.
On distingue plusieurs types de Question Answering. Le QA extractif identifie et extrait un passage précis d'un corpus de documents existant. Le QA génératif, lui, formule une réponse originale en synthétisant les informations disponibles — c'est le fonctionnement des grands modèles de langage comme Claude ou GPT. Il existe également le QA en domaine ouvert (open-domain), qui répond à des questions sur n'importe quel sujet, et le QA en domaine fermé (closed-domain), spécialisé sur un champ de connaissances précis.
Avec l'essor des LLM, le Question Answering est devenu l'un des cas d'usage les plus courants de l'IA générative. Les techniques de Retrieval-Augmented Generation (RAG) combinent recherche documentaire et génération pour fournir des réponses à la fois précises et fondées sur des sources vérifiables. En prompt engineering, maîtriser le QA permet de formuler des questions qui maximisent la qualité et la fiabilité des réponses obtenues.
Les applications sont nombreuses : assistants virtuels d'entreprise, chatbots de support client, systèmes de recherche médicale, outils éducatifs ou encore bases de connaissances interactives. La qualité d'un système de QA se mesure principalement par la pertinence, l'exactitude et la complétude de ses réponses.
Étymologie
Le terme "Question Answering" est issu de l'anglais et signifie littéralement "réponse aux questions". Ce champ de recherche existe depuis les années 1960 avec les premiers systèmes comme BASEBALL (1961) et LUNAR (1972), mais il a connu un essor majeur avec les compétitions TREC QA dans les années 2000, puis une révolution avec l'arrivée des modèles Transformer à partir de 2018.
Exemples concrets
Support client automatisé
En te basant uniquement sur la documentation suivante, réponds à la question du client de manière concise et précise. Si la réponse n'est pas dans la documentation, indique-le clairement. Documentation : {contexte}. Question : {question}Analyse de documents juridiques
Tu es un assistant juridique. Lis attentivement le contrat suivant et réponds à cette question en citant les articles pertinents : quelles sont les conditions de résiliation anticipée ? Contrat : {document}Révision et apprentissage
Je vais te poser des questions sur la Seconde Guerre mondiale. Pour chaque réponse, cite tes sources historiques et indique ton niveau de certitude. Question : Quelles étaient les causes économiques du conflit ?
Usage pratique
En prompt engineering, le Question Answering s'optimise en formulant des questions précises, en fournissant un contexte pertinent et en demandant explicitement au modèle de citer ses sources ou de signaler ses incertitudes. Utiliser des techniques comme le RAG permet d'ancrer les réponses dans des documents fiables et de réduire les hallucinations. Structurer ses prompts avec un rôle, un contexte et un format de réponse attendu améliore significativement la qualité du QA.
Concepts liés
FAQ
Quelle est la différence entre le Question Answering extractif et génératif ?
Comment réduire les hallucinations dans un système de Question Answering ?
Le Question Answering fonctionne-t-il dans toutes les langues ?
Voir aussi
Autres définitions
RAG : Définition et Exemples
Le RAG (Retrieval-Augmented Generation) est une technique qui enrichit les réponses d'un modèle de langage en lui fournissant des informations extraites de sour
React Prompting : Définition et Exemples
Le React Prompting (Reasoning + Acting) est une technique de prompt engineering qui combine le raisonnement étape par étape avec des actions concrètes, permetta
Red Teaming : Définition et Exemples
Le red teaming est une méthode d'évaluation adversariale qui consiste à tester systématiquement les limites, failles et vulnérabilités d'un système d'IA en simu
Reflexion : Définition et Exemples
La réflexion est une technique d'IA où un modèle de langage évalue et corrige ses propres réponses de manière itérative, en analysant ses erreurs pour produire
Regularization : Définition et Exemples
La régularisation est un ensemble de techniques utilisées en machine learning pour prévenir le surapprentissage (overfitting) en ajoutant des contraintes ou des
Reinforcement Learning : Définition et Exemples
Le Reinforcement Learning (apprentissage par renforcement) est une branche du machine learning où un agent apprend à prendre des décisions optimales en interagi
Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter.