Reconnaissance des allusions dans le discours diplomatique chinois et russe à l’aide de grands modèles de langage

Lire entre les lignes

Lorsque des diplomates s’expriment en public, ce qu’ils ne disent pas peut peser autant que les mots qu’ils choisissent. Cette étude examine si l’intelligence artificielle moderne peut repérer les allusions subtiles et les messages voilés lors des conférences de presse des ministères des Affaires étrangères chinois et russe — des signaux que les auditeurs humains manquent souvent, mais qui peuvent influencer les relations internationales.

Pourquoi les allusions comptent en affaires mondiales

Le langage diplomatique est conçu pour être prudent et poli. Les gouvernements doivent défendre leurs intérêts sans provoquer ouvertement des rivaux ni alarmiser l’opinion publique. Par conséquent, les responsables s’appuient souvent sur des allusions — des formulations qui semblent neutres en surface mais qui critiquent, avertissent ou signalent discrètement une position politique. Une mauvaise lecture de ces allusions a, par le passé, contribué à des crises et à la méfiance entre États. Comprendre ces messages indirects est particulièrement difficile entre langues et cultures, où des connaissances partagées ne peuvent être tenues pour acquises.

De la théorie classique aux machines intelligentes

Pendant des décennies, linguistes et philosophes ont étudié comment les locuteurs impliquent plus que ce qu’ils disent littéralement. Les premières théories se concentraient principalement sur les intentions du locuteur et supposaient qu’un auditeur rationnel pouvait reconstruire le sens caché. Des travaux ultérieurs en « pragmatique cognitive » ont insisté sur le fait que la compréhension des allusions dépend aussi des processus mentaux de l’auditeur, de son arrière-plan culturel et du contexte environnant. S’appuyant sur ces idées, les auteurs décrivent les allusions comme superposées : la formulation visible (niveau verbal–sémantique), les modes de pensée façonnés par la culture (niveau linguistique–cognitif), et les motifs et stratégies du locuteur, tels que la critique, l’avertissement ou la sauvegarde de la face (niveau motivationnel–pragmatique).

Comment le système d’IA a été construit

Les chercheurs ont recueilli près de 1 400 segments question–réponse provenant des conférences de presse officielles des ministères des Affaires étrangères chinois et russe tenues en 2024. Des linguistes experts ont annoté manuellement 498 cas où les porte-parole procédaient par allusions plutôt que par énoncés directs. Ils ont regroupé ces cas en trois types : les « allusions figées » avec des formulations stables et répétées (par exemple des formules diplomatiques types), les « allusions culturelles » dont le sens repose sur des connaissances et des métaphores partagées, et les « allusions contextuelles » qui ne peuvent être reconnues qu’en examinant de près la situation immédiate et les motifs. Ces exemples ont servi à construire une base de connaissances externe et à concevoir un ensemble de règles de raisonnement pour un grand modèle de langage.

Apprendre au modèle à raisonner par étapes

L’équipe a combiné deux techniques d’IA. La génération augmentée par récupération (RAG) permet au modèle d’extraire des exemples pertinents de la base de données d’allusions personnalisée chaque fois qu’il traite une nouvelle réponse de conférence de presse. Le

Citation: Guo, Y., Wang, X. Hint recognition in Chinese and Russian diplomatic discourse using large language models. Sci Rep 16, 5751 (2026). https://doi.org/10.1038/s41598-026-36338-z

Mots-clés: langage diplomatique, sens implicite, grands modèles de langage, analyse multilingue, génération augmentée par récupération