L’article propose deux contributions complémentaires pour un problème encore peu standardisé : la création de schémas à partir de corpus textuels. Les auteurs introduisent **SCOPE** (*Schema Construction and Ontology-induction Pipeline Evaluation*), un benchmark fondé uniquement sur le texte d’entraînement, et **SCION** (*Schema Construction and Induction with Ontology Normalization*), un pipeline de référence destiné à structurer et documenter ce processus.
SCOPE est construit à partir de **24 sources publiques d’extraction d’information** — 15 en relation extraction et 9 en event extraction — normalisées en graphes de schémas de référence utilisés pour l’évaluation. Le cœur du benchmark cible surtout l’extraction d’événements, avec les **types d’événements** et les **rôles d’arguments internes** ; les liens entre événements sont, eux, rapportés séparément. L’ambition est de fournir un cadre commun pour évaluer un sujet souvent traité de manière implicite par les systèmes existants.
De son côté, SCION n’est pas présenté comme une nouvelle architecture d’extraction, mais comme un **pipeline auditable**. Il construit des espaces de candidats à partir du texte d’entraînement, puis encadre les étapes de nommage, fusion, filtrage, validation et fusion prudente via des contrats JSON stricts et des éléments de preuve associés. Les auteurs insistent sur cette traçabilité, avec des sorties liées aux preuves, des journaux de parsing et de repli, ainsi que des traces sur la conservation et la fusion des candidats.
Selon le résumé, **SCION-lite** obtient le meilleur score F1 sur le noyau de SCOPE face à plusieurs familles de baselines publiées, dont des approches de type Text2Onto, des systèmes fondés uniquement sur des LLM et des pipelines extraction-puis-agrégation. Une variante compacte en modèle ouvert, **SCION-RL**, vise en outre à réduire la dépendance à des LLM propriétaires. Les auteurs restent toutefois prudents : les résultats portent sur des cibles normalisées de graphes de schémas et ne doivent pas être interprétés comme une supériorité générale sur la conception humaine d’ontologies.