Constellation, le dépôt institutionnel de l'Université du Québec à Chicoutimi

Résumé

La recherche de ce mémoire a émergé du projet 3 mots, une expérience immersive reposant sur la génération automatisée de contes audio-visuels immersif destiné aux enfants. Dans ce contexte, la présente étude se concentre exclusivement sur la composante centrale du dispositif : la génération textuelle par intelligence artificielle, considérée comme le socle narratif d'une future expérience complète. Très peu de travaux portent spécifiquement sur la génération de contes pour enfants par IA. Cette rareté, combinée aux limites observées dans les récits produits automatiquement, soulève une question centrale : dans quelle mesure les modèles de langage génératif parviennent-ils à produire des contes cohérents, plausibles et engageants pour un jeune public ? En suivant une approche de practice-led research, ce mémoire évalue un corpus de cent contes générés par quatre modèles d'IA (GPT-4o, Claude Sonnet, LLaMA 3 et Mistral) à partir de triplets de mots-clés. L'analyse s'effectue en deux temps : d'abord à l'aide de la Story Grammar Theory (SGT), qui permet de vérifier la présence et l'organisation des composantes narratives classiques, puis à l'aide d'une grille composite développée spécifiquement pour cette recherche, évaluant la cohérence, la plausibilité interne et l'engagement narratif des récits générés. Les résultats montrent que les modèles performent bien sur le plan structurel (score SGT moyen de 89 %), mais présentent des lacunes sur le plan qualitatif (score composite moyen de 83 %). L'analyse croisée révèle une très faible corrélation entre les deux outils, confirmant qu'une structure narrative complète ne garantit pas la qualité d'un conte pour enfants. En ce sens, une typologie de treize catégories d'incohérences narratives récurrentes a été développée à partir de ces observations afin de suppléer aux outils actuels les qualités de l’intelligence humaine. Il s’avère important de développer des outils automatisés permettant d’éduquer de futurs outils en fonction de critères narratifs rigoureux. En somme, ce mémoire contribue à poser les bases méthodologiques d'une évaluation rigoureuse des récits générés par IA destinés à l'enfance, tout en ouvrant des pistes concrètes pour le développement d'outils de génération narrative mieux adaptés au jeune public.