Aller au contenu
Fahima Mokhnache
EN

Recherche & personnel

Graphe de connaissances biomédical + agent IA

Projet de recherche mené en autonomie : mesurer si un agent IA répond mieux à des questions biomédicales quand il peut interroger un graphe de connaissances.

Contexte

Un agent IA répond-il mieux à des questions biomédicales lorsqu’il peut interroger un graphe de connaissances ? C’est la question de ce projet de recherche, mené en autonomie. La maladie étudiée est la polyarthrite rhumatoïde.

Ce que j’ai fait

  • Import du graphe de connaissances biomédical PrimeKG dans Neo4j.
  • Exploration et requêtes Cypher dans des notebooks Jupyter.
  • Intégration de JeuxDeMots, le réseau lexical du LIRMM.
  • Méthode : pilotage de Claude Code par phases documentées (règles, checklists, prompts), en gardant en main les décisions scientifiques.

Résultats

Recherche en cours. À ce stade :

  • Un pipeline Python reproductible alimente un graphe Neo4j d’environ 4 millions de relations.
  • Un protocole d’évaluation est conçu pour mesurer si la recherche d’information ancrée dans le graphe (une approche proche du RAG) améliore la précision des réponses de l’agent.
  • Une étape de vérification des données, séparée du pipeline, contrôle la qualité du graphe avant l’évaluation.