Une étude utilisant l'« Their Finest Hour Online Archive » de l'Université d'Oxford a évalué trois approches de traitement du langage naturel — la reconnaissance d'entités nommées, l'extraction de mots-clés et le modélisation de sujets — pour automatiser l'attribution des mots-clés à grande échelle. Le projet a testé ces méthodes sur des techniques allant des modèles statistiques traditionnels aux réseaux neuronaux GenAI modernes.
- Les résultats quantitatifs et qualitatifs indiquent que, bien que le NLP offre un potentiel réel pour l'extraction à grande échelle, aucune méthode unique ne fournit une solution complète.
- La sélection du modèle façonne significativement les résultats, les modèles extractifs à poids ouverts s'avérant les mieux adaptés à un déploiement responsable.
- L'IA générative introduit des risques de responsabilité en raison de sa nature abstraite, nécessitant une considération attentive de la part des gestionnaires de collections.
Les auteurs soutiennent que l'extraction automatisée de mots-clés dans les collections collaboratives soulève des responsabilités de gouvernance distinctes concernant les métadonnées dérivées de contributeurs vivants, nécessitant un équilibre entre performance technique et supervision éthique.