Exploitation de grands modèles linguistiques pour l'exploration prédictive des processus metier basés sur le courrier électronique

Leveraging Large Language Models for Predictive Process Mining in Email-Based Business Processes

• Auteur / Autrice : Aslamhom Sidi mohamed
• Direction : Walid Gaaloul, Mohamedade Farouk Nanne
• Type : Projet de thèse
• Discipline(s) : Informatique, données, IA
• Date : Inscription en doctorat le 01/10/2023
• Etablissement(s) : Institut polytechnique de Paris en cotutelle avec Université de Nouakchott
• Ecole(s) doctorale(s) : École doctorale de l'Institut polytechnique de Paris
• Partenaire(s) de recherche : Laboratoire : SAMOVAR - Services répartis, Architectures, Modélisation, Validation, Administration des Réseaux

Mots clés

Mots clés libres

Processus Metier

Processus d'exploitation minière

Prédiction des processus

Large Language Model

Processus commercial basé sur le courrier électronique

Ingénieri des invites

Business process

Process mining

Process prediction

Large Language Model

Email-based Business process

Prompt Engineering

Résumé

La thèse porte sur l'intégration de grands modèles de langage (LLM) avec des techniques d'exploration de processus afin d'améliorer les processus commerciaux basés sur le courrier électronique. Le Business Process Mining (BPM) consiste à extraire des informations des journaux d'événements afin d'analyser et d'améliorer les flux de travail. Toutefois, les approches traditionnelles se heurtent à des limites lorsqu'elles traitent des courriers électroniques complexes et non structurés, ainsi que des journaux d'événements volumineux. Pour relever ces défis, cette recherche vise à exploiter les capacités supérieures de compréhension du langage naturel des LLM. L'approche proposée utilise les LLM pour extraire des emails des informations pertinentes pour le processus, prédire les activités du processus d'entreprise et générer des modèles de réponse alignés sur les contextes du processus d'entreprise.

The thesis focuses on integrating Large Language Models (LLMs) with process mining techniques to enhance email-based business processes. Business Process Mining (BPM) involves extracting insights from event logs to analyze and improve workflows. However, traditional approaches face limitations when dealing with unstructured, complex email content, and large event logs. To address these challenges, this research aims to leverage LLMs' superior natural language understanding capabilities. The proposed approach utilizes LLMs for extracting process-relevant information from emails, predicting business process activities, and generating response templates aligned with business process contexts.