{"id":223,"date":"2025-04-17T19:25:32","date_gmt":"2025-04-17T17:25:32","guid":{"rendered":"https:\/\/285222.peda.univ-lille.fr\/2025\/wordpress\/?p=223"},"modified":"2025-04-18T17:17:53","modified_gmt":"2025-04-18T15:17:53","slug":"de-lanalyse-lexicale-a-la-synthese-strategique-lia-au-coeur-de-la-transformation-documentaire","status":"publish","type":"post","link":"https:\/\/285222.peda.univ-lille.fr\/2025\/wordpress\/?p=223","title":{"rendered":"De l\u2019analyse lexicale \u00e0 la synth\u00e8se strat\u00e9gique : l\u2019IA au c\u0153ur de la transformation documentaire"},"content":{"rendered":"\n

1. <\/strong>IA et veille documentaire<\/h3>\n\n\n\n

Les professionnels de la veille et de l’intelligence \u00e9conomique sont aujourd’hui submerg\u00e9s par un volume exponentiel d’informations textuelles non structur\u00e9es. Articles de presse, rapports d’analystes, publications scientifiques, brevets, posts sur les r\u00e9seaux sociaux, avis clients, transcriptions d’interviews : la mati\u00e8re premi\u00e8re de la veille se pr\u00e9sente majoritairement sous forme de texte. Extraire des insights pertinents de cette masse documentaire repr\u00e9sente un d\u00e9fi majeur.<\/p>\n\n\n\n

L’intelligence artificielle (IA), et plus particuli\u00e8rement ses branches d\u00e9di\u00e9es au traitement du langage, offre des capacit\u00e9s r\u00e9volutionnaires pour relever ce d\u00e9fi. Cet article explore comment l’IA transforme le traitement documentaire dans le cadre de la veille, en allant bien au-del\u00e0 de la simple analyse lexicale (bas\u00e9e sur les mots) pour permettre une compr\u00e9hension s\u00e9mantique profonde et aboutir \u00e0 la g\u00e9n\u00e9ration de synth\u00e8ses strat\u00e9giques directement exploitables par les d\u00e9cideurs. Nous examinerons les techniques IA cl\u00e9s, leurs applications concr\u00e8tes \u00e0 l’analyse de contenu, le r\u00f4le \u00e9mergent de l’IA g\u00e9n\u00e9rative dans la synth\u00e8se, et les implications de cette transformation pour les m\u00e9tiers de la veille.<\/p>\n\n\n\n

2. Les Fondations Technologiques : Le Traitement Automatique du Langage (NLP)<\/strong><\/h3>\n\n\n\n

Le socle technologique de cette transformation est le Traitement Automatique du Langage Naturel (NLP), une discipline \u00e0 l’intersection de l’informatique, de l’IA et de la linguistique, qui vise \u00e0 permettre aux machines de comprendre, interpr\u00e9ter et m\u00eame g\u00e9n\u00e9rer le langage humain. Plusieurs composants du NLP sont particuli\u00e8rement pertinents pour l’analyse documentaire en veille :<\/p>\n\n\n\n

    \n
  • Tokenization et analyse morpho-syntaxique:<\/strong> D\u00e9coupage du texte en unit\u00e9s de base (mots, phrases) et identification de leur nature grammaticale (nom, verbe, adjectif – Part-of-Speech Tagging). Ces \u00e9tapes pr\u00e9parent le texte pour des analyses plus pouss\u00e9es.<\/li>\n\n\n\n
  • Reconnaissance d’entit\u00e9s nomm\u00e9es (Named Entity Recognition – NER):<\/strong> Identification et classification automatiques des entit\u00e9s cl\u00e9s mentionn\u00e9es dans le texte : noms de personnes, d’organisations (entreprises, institutions), de lieux, de produits, de marques, de technologies, etc.. C’est une fonction essentielle pour rep\u00e9rer rapidement les acteurs pertinents et structurer l’information.<\/li>\n\n\n\n
  • Analyse de sentiments:<\/strong> \u00c9valuation automatique de la polarit\u00e9 (positive, n\u00e9gative, neutre) ou des \u00e9motions (joie, col\u00e8re, surprise) exprim\u00e9es dans un texte. Cette capacit\u00e9 est cruciale pour analyser l’e-r\u00e9putation, les retours clients, ou la perception m\u00e9diatique d’une entreprise ou d’un sujet.<\/li>\n\n\n\n
  • Mod\u00e9lisation th\u00e9matique (Topic Modeling) et classification de texte:<\/strong> Identification automatique des sujets ou th\u00e8mes principaux abord\u00e9s dans un document ou un corpus de documents, sans connaissance pr\u00e9alable de ces th\u00e8mes. La classification permet de ranger automatiquement les documents dans des cat\u00e9gories pr\u00e9d\u00e9finies (ex: \u00ab\u00a0Innovation Concurrent\u00a0\u00bb, \u00ab\u00a0R\u00e9glementation\u00a0\u00bb, \u00ab\u00a0Tendance March\u00e9\u00a0\u00bb). Ces techniques sont fondamentales pour organiser, filtrer et naviguer dans de grands volumes d’informations.<\/li>\n\n\n\n
  • Extraction de relations:<\/strong> Identification des liens s\u00e9mantiques entre les entit\u00e9s reconnues (par exemple, \u00ab\u00a0l’entreprise A a annonc\u00e9 un partenariat avec<\/em> l’entreprise B\u00a0\u00bb, \u00ab\u00a0la personne X est PDG de<\/em> l’entreprise Y\u00a0\u00bb). Cela permet de construire des graphes de connaissances et de comprendre les r\u00e9seaux d’acteurs.<\/li>\n\n\n\n
  • D\u00e9sambigu\u00efsation lexicale (Word Sense Disambiguation):<\/strong> Comprendre le sens correct d’un mot polys\u00e9mique en fonction de son contexte. Essentiel pour une interpr\u00e9tation pr\u00e9cise du texte.<\/li>\n<\/ul>\n\n\n\n

    Le NLP constitue la cl\u00e9 de vo\u00fbte permettant de valoriser l’immense gisement d’informations contenu dans les donn\u00e9es textuelles non structur\u00e9es, qui repr\u00e9sentent une part majoritaire des donn\u00e9es disponibles pour une entreprise. Sans ces techniques capables de \u00ab\u00a0lire\u00a0\u00bb et d'\u00a0\u00bbinterpr\u00e9ter\u00a0\u00bb le langage, l’analyse de ces volumes documentaires resterait superficielle (bas\u00e9e sur des mots-cl\u00e9s) ou humainement irr\u00e9alisable \u00e0 grande \u00e9chelle. La capacit\u00e9 \u00e0 ma\u00eetriser ou \u00e0 acc\u00e9der \u00e0 des outils NLP performants devient ainsi un avantage strat\u00e9gique d\u00e9terminant pour toute fonction de veille moderne.<\/p>\n\n\n\n

    3. Analyse de contenu de veille assist\u00e9e par IA<\/strong><\/h3>\n\n\n\n

    Gr\u00e2ce aux fondations pos\u00e9es par le NLP, l’IA permet d’aller bien au-del\u00e0 d’une simple analyse lexicale pour r\u00e9aliser des analyses de contenu plus riches et plus rapides :<\/p>\n\n\n\n

      \n
    • Analyse s\u00e9mantique approfondie:<\/strong> L’IA ne se contente plus de compter les occurrences de mots-cl\u00e9s. Elle cherche \u00e0 comprendre le sens r\u00e9el des textes, le contexte des mentions, les nuances du langage utilis\u00e9. Cela permet, par exemple, d’analyser finement le positionnement marketing d’un concurrent \u00e0 travers ses communiqu\u00e9s de presse ou son site web, en identifiant les concepts cl\u00e9s mis en avant, les arguments d\u00e9velopp\u00e9s et la tonalit\u00e9 employ\u00e9e.<\/li>\n\n\n\n
    • Analyse th\u00e9matique et d\u00e9tection de tendances:<\/strong> L’IA peut automatiquement regrouper de grands volumes de documents (articles de presse, publications scientifiques, etc.) par th\u00e8mes coh\u00e9rents (clustering). En analysant l’\u00e9volution de ces th\u00e8mes dans le temps, elle peut identifier les sujets \u00e9mergents (\u00ab\u00a0trending topics\u00a0\u00bb), ceux qui perdent en importance, ou les nouvelles associations de concepts au sein d’un secteur ou dans les communications des concurrents. Cette capacit\u00e9 est essentielle pour anticiper les \u00e9volutions du march\u00e9. L’IA peut \u00e9galement \u00eatre sp\u00e9cifiquement entra\u00een\u00e9e \u00e0 rep\u00e9rer les signaux faibles \u2013 des informations discr\u00e8tes, peu fr\u00e9quentes mais potentiellement annonciatrices de ruptures majeures.<\/li>\n\n\n\n
    • Analyse comparative automatis\u00e9e:<\/strong> L’IA facilite la comparaison syst\u00e9matique des contenus produits par diff\u00e9rents acteurs (concurrents, partenaires, influenceurs) sur des sujets donn\u00e9s. Elle peut aider \u00e0 identifier les diff\u00e9rences de discours, les angles d’attaque privil\u00e9gi\u00e9s par chacun, les arguments r\u00e9currents, ou les points de diff\u00e9renciation mis en avant.<\/li>\n\n\n\n
    • Analyse de sentiments \u00e0 grande \u00e9chelle:<\/strong> L’application de l’analyse de sentiments sur de vastes corpus (avis clients sur des plateformes d\u00e9di\u00e9es, commentaires sur les r\u00e9seaux sociaux, articles de presse) permet de suivre en temps r\u00e9el la r\u00e9putation d’une marque, d’un produit ou d’un concurrent. Elle offre une compr\u00e9hension fine de la perception du march\u00e9 et des clients, mettant en lumi\u00e8re les points forts appr\u00e9ci\u00e9s et les points faibles critiqu\u00e9s, tant pour sa propre entreprise que pour ses rivaux.<\/li>\n<\/ul>\n\n\n\n

      4. De l’analyse \u00e0 la synth\u00e8se strat\u00e9gique : le r\u00f4le de l’IA g\u00e9n\u00e9rative (GenAI)<\/strong><\/h3>\n\n\n\n

      Si le NLP permet d’analyser et de structurer l’information textuelle, l’\u00e9mergence r\u00e9cente de l’IA g\u00e9n\u00e9rative (GenAI), incarn\u00e9e par les grands mod\u00e8les de langage (LLM), ouvre une nouvelle dimension : celle de la synth\u00e8se et de la g\u00e9n\u00e9ration de contenu.<\/p>\n\n\n\n

        \n
      • Synth\u00e8se automatique de documents uniques ou multiples:<\/strong> Les LLM excellent dans la capacit\u00e9 \u00e0 lire un ou plusieurs documents, m\u00eame longs et complexes, et \u00e0 en g\u00e9n\u00e9rer un r\u00e9sum\u00e9 concis et pertinent, en extrayant les id\u00e9es principales et les informations cl\u00e9s. Cette fonction permet un gain de temps consid\u00e9rable pour les analystes qui doivent traiter de nombreux documents.<\/li>\n\n\n\n
      • G\u00e9n\u00e9ration de rapports de veille:<\/strong> Au-del\u00e0 du simple r\u00e9sum\u00e9, la GenAI peut \u00eatre utilis\u00e9e pour compiler automatiquement les informations et analyses issues de la veille (tendances d\u00e9tect\u00e9es, analyses concurrentielles, alertes importantes) et les structurer sous forme de rapports de veille coh\u00e9rents et personnalisables. Le niveau de d\u00e9tail, le style et le format peuvent \u00eatre adapt\u00e9s en fonction du destinataire (note de synth\u00e8se pour la direction, rapport d\u00e9taill\u00e9 pour les analystes).<\/li>\n\n\n\n
      • R\u00e9ponse aux questions en langage naturel (Q&A) sur corpus documentaire:<\/strong> La GenAI permet d’interroger directement un ensemble de documents de veille (base de connaissances interne, s\u00e9lection d’articles, rapports) en posant des questions en langage naturel. L’IA recherche l’information pertinente dans le corpus et formule une r\u00e9ponse synth\u00e9tique. Par exemple : \u00ab\u00a0Quelles sont les principales menaces r\u00e9glementaires mentionn\u00e9es dans les rapports sectoriels du dernier semestre?\u00a0\u00bb.<\/li>\n\n\n\n
      • Assistance \u00e0 la g\u00e9n\u00e9ration d’insights et de recommandations:<\/strong> Bien que n\u00e9cessitant une validation humaine rigoureuse, certains syst\u00e8mes d’IA commencent \u00e0 proposer des interpr\u00e9tations des donn\u00e9es analys\u00e9es, \u00e0 identifier des implications strat\u00e9giques potentielles ou m\u00eame \u00e0 sugg\u00e9rer des pistes d’action. L’IA peut agir comme un \u00ab\u00a0sparring partner\u00a0\u00bb intellectuel pour l’analyste.<\/li>\n<\/ul>\n\n\n\n

        L’IA G\u00e9n\u00e9rative agit ainsi comme un puissant catalyseur de la transformation documentaire en veille. Elle permet de franchir une \u00e9tape suppl\u00e9mentaire : passer de l’analyse<\/strong> (extraire et comprendre l’information existante) \u00e0 la synth\u00e8se<\/strong> et \u00e0 la g\u00e9n\u00e9ration<\/strong> (cr\u00e9er de nouveaux contenus structur\u00e9s et r\u00e9sum\u00e9s : synth\u00e8ses, rapports, r\u00e9ponses). Cette capacit\u00e9 \u00e0 \u00ab\u00a0pr\u00e9-dig\u00e9rer\u00a0\u00bb l’information et \u00e0 la restituer sous une forme directement exploitable acc\u00e9l\u00e8re consid\u00e9rablement le cycle de la veille et rend les insights plus accessibles. Cela red\u00e9finit le r\u00f4le du veilleur : moins de temps est consacr\u00e9 aux t\u00e2ches fastidieuses de lecture et de r\u00e9sum\u00e9 manuel, et davantage de temps peut \u00eatre allou\u00e9 \u00e0 la validation critique des sorties de l’IA, \u00e0 la formulation de requ\u00eates pertinentes (le \u00ab\u00a0prompt engineering\u00a0\u00bb devient essentiel), \u00e0 l’approfondissement des analyses sur les points cl\u00e9s identifi\u00e9s par l’IA, et \u00e0 l’\u00e9laboration de la r\u00e9flexion strat\u00e9gique finale.<\/p>\n\n\n\n

        5. Outils et technologies mobilisables<\/strong><\/h3>\n\n\n\n

        La mise en \u0153uvre de ces capacit\u00e9s repose sur divers outils et technologies :<\/p>\n\n\n\n

          \n
        • Plateformes de veille int\u00e9grant NLP\/GenAI:<\/strong> De nombreuses plateformes de veille du march\u00e9 int\u00e8grent d\u00e9sormais nativement des fonctionnalit\u00e9s d’analyse s\u00e9mantique et de synth\u00e8se bas\u00e9es sur l’IA. On peut citer Sindup, KB Crawl, Semji, Digimind (maintenant Onclusive), ChapsVision (via ses plateformes ArgonOS ou Sinequa), Coexel, ainsi que les plateformes d’intelligence concurrentielle<\/li>\n<\/ul>\n","protected":false},"excerpt":{"rendered":"

          1. IA et veille documentaire Les professionnels de la veille et de l’intelligence \u00e9conomique sont aujourd’hui submerg\u00e9s par un volume exponentiel d’informations textuelles non structur\u00e9es. Articles de presse, rapports d’analystes, publications scientifiques, brevets, posts sur les r\u00e9seaux sociaux, avis clients, transcriptions d’interviews : la mati\u00e8re premi\u00e8re de la veille se pr\u00e9sente majoritairement sous forme de texte. Extraire des insights pertinents de cette masse documentaire repr\u00e9sente un d\u00e9fi majeur. L’intelligence artificielle (IA), et plus particuli\u00e8rement ses branches d\u00e9di\u00e9es au traitement du langage, offre des capacit\u00e9s r\u00e9volutionnaires pour relever ce d\u00e9fi. Cet article explore comment l’IA transforme le traitement documentaire dans le cadre de la veille, en allant bien au-del\u00e0 de la simple analyse lexicale (bas\u00e9e sur les mots) pour permettre une compr\u00e9hension s\u00e9mantique profonde et aboutir \u00e0 la g\u00e9n\u00e9ration de synth\u00e8ses strat\u00e9giques directement exploitables par les d\u00e9cideurs. Nous examinerons les techniques IA cl\u00e9s, leurs applications concr\u00e8tes \u00e0 l’analyse de contenu, le r\u00f4le \u00e9mergent de l’IA g\u00e9n\u00e9rative dans la synth\u00e8se, et les implications de cette transformation pour les m\u00e9tiers de la veille. 2. Les Fondations Technologiques : Le Traitement Automatique du Langage (NLP) Le socle technologique de cette transformation est le Traitement Automatique du Langage Naturel (NLP), une discipline \u00e0 l’intersection de l’informatique, de l’IA et de la linguistique, qui vise \u00e0 permettre aux machines de comprendre, interpr\u00e9ter et m\u00eame g\u00e9n\u00e9rer le langage humain. Plusieurs composants du NLP sont particuli\u00e8rement pertinents pour l’analyse documentaire en veille : Le NLP constitue la cl\u00e9 de vo\u00fbte permettant de valoriser l’immense gisement d’informations contenu dans les donn\u00e9es textuelles non structur\u00e9es, qui repr\u00e9sentent une part majoritaire des donn\u00e9es disponibles pour une entreprise. Sans ces techniques capables de \u00ab\u00a0lire\u00a0\u00bb et d’\u00a0\u00bbinterpr\u00e9ter\u00a0\u00bb le langage, l’analyse de ces volumes documentaires resterait superficielle (bas\u00e9e sur des mots-cl\u00e9s) ou humainement irr\u00e9alisable \u00e0 grande \u00e9chelle. La capacit\u00e9 \u00e0 ma\u00eetriser ou \u00e0 acc\u00e9der \u00e0 des outils NLP performants devient ainsi un avantage strat\u00e9gique d\u00e9terminant pour toute fonction de veille moderne. 3. Analyse de contenu de veille assist\u00e9e par IA Gr\u00e2ce aux fondations pos\u00e9es par le NLP, l’IA permet d’aller bien au-del\u00e0 d’une simple analyse lexicale pour r\u00e9aliser des analyses de contenu plus riches et plus rapides : 4. De l’analyse \u00e0 la synth\u00e8se strat\u00e9gique : le r\u00f4le de l’IA g\u00e9n\u00e9rative (GenAI) Si le NLP permet d’analyser et de structurer l’information textuelle, l’\u00e9mergence r\u00e9cente de l’IA g\u00e9n\u00e9rative (GenAI), incarn\u00e9e par les grands mod\u00e8les de langage (LLM), ouvre une nouvelle dimension : celle de la synth\u00e8se et de la g\u00e9n\u00e9ration de contenu. L’IA G\u00e9n\u00e9rative agit ainsi comme un puissant catalyseur de la transformation documentaire en veille. Elle permet de franchir une \u00e9tape suppl\u00e9mentaire : passer de l’analyse (extraire et comprendre l’information existante) \u00e0 la synth\u00e8se et \u00e0 la g\u00e9n\u00e9ration (cr\u00e9er de nouveaux contenus structur\u00e9s et r\u00e9sum\u00e9s : synth\u00e8ses, rapports, r\u00e9ponses). Cette capacit\u00e9 \u00e0 \u00ab\u00a0pr\u00e9-dig\u00e9rer\u00a0\u00bb l’information et \u00e0 la restituer sous une forme directement exploitable acc\u00e9l\u00e8re consid\u00e9rablement le cycle de la veille et rend les insights plus accessibles. Cela red\u00e9finit le r\u00f4le du veilleur : moins de temps est consacr\u00e9 aux t\u00e2ches fastidieuses de lecture et de r\u00e9sum\u00e9 manuel, et davantage de temps peut \u00eatre allou\u00e9 \u00e0 la validation critique des sorties de l’IA, \u00e0 la formulation de requ\u00eates pertinentes (le \u00ab\u00a0prompt engineering\u00a0\u00bb devient essentiel), \u00e0 l’approfondissement des analyses sur les points cl\u00e9s identifi\u00e9s par l’IA, et \u00e0 l’\u00e9laboration de la r\u00e9flexion strat\u00e9gique finale. 5. Outils et technologies mobilisables La mise en \u0153uvre de ces capacit\u00e9s repose sur divers outils et technologies :<\/p>\n","protected":false},"author":1,"featured_media":224,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"","ast-site-content-layout":"default","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"footnotes":""},"categories":[7],"tags":[],"class_list":["post-223","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-outils-ia-pour-la-veille"],"_links":{"self":[{"href":"https:\/\/285222.peda.univ-lille.fr\/2025\/wordpress\/index.php?rest_route=\/wp\/v2\/posts\/223","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/285222.peda.univ-lille.fr\/2025\/wordpress\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/285222.peda.univ-lille.fr\/2025\/wordpress\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/285222.peda.univ-lille.fr\/2025\/wordpress\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/285222.peda.univ-lille.fr\/2025\/wordpress\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=223"}],"version-history":[{"count":1,"href":"https:\/\/285222.peda.univ-lille.fr\/2025\/wordpress\/index.php?rest_route=\/wp\/v2\/posts\/223\/revisions"}],"predecessor-version":[{"id":225,"href":"https:\/\/285222.peda.univ-lille.fr\/2025\/wordpress\/index.php?rest_route=\/wp\/v2\/posts\/223\/revisions\/225"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/285222.peda.univ-lille.fr\/2025\/wordpress\/index.php?rest_route=\/wp\/v2\/media\/224"}],"wp:attachment":[{"href":"https:\/\/285222.peda.univ-lille.fr\/2025\/wordpress\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=223"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/285222.peda.univ-lille.fr\/2025\/wordpress\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=223"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/285222.peda.univ-lille.fr\/2025\/wordpress\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=223"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}