Cet article examine le potentiel et les limites des grands modèles de langage (LLMs) pour l’analyse des discours relatifs aux bénéfices des entreprises. S’appuyant sur le « tournant narratif » observé dans la recherche en sciences humaines et sociales (SHS), il met en évidence la manière dont les méthodes fondées sur l’IA (Intelligence Artificielle) peuvent impulser et faciliter l’identification, la classification et la visualisation des discours narratifs issus de vastes corpus. Cet article présente le projet MILL-EHNAS. Ce projet vise à développer des ensembles de données annotés, des cadres d’évaluation multimodaux des LLMs et de nouveaux outils de détection des récits narratifs afin d’étudier comment les discours sur les bénéfices influencent les pratiques comptables et les politiques fiscales. Tout en soulignant le potentiel des LLMs pour intégrer les technologies de l’information et la recherche en SHS, l’article en aborde les risques méthodologiques, notamment la dépendance excessive vis-à-vis des bases de données structurées, la perte potentielle d’expertise archivistique et les nouvelles divisions du travail au sein du monde académique. Il montre que les LLMs peuvent transformer l’analyse narrative, mais doivent être utilisés de manière critique, en prêtant attention au contexte, à l’interprétabilité et à l’équilibre disciplinaire .
Bawack et al. (Wed,) studied this question.