L'extraction d'information libre vise à obtenir un maximum de relations entre entités à partir de texte non structuré pris en entrée. L'objectif de cette thèse est de permettre à un utilisateur d'appréhender la quantité d'information extraite, de diriger ses efforts sur les entités et relations les plus pertinentes étant donnée sa collection, en vue d'améliorer la qualité de l'extraction d'information faiblement supervisée.

Malheureusement, il est difficile d'évaluer efficacement la qualité de l'extraction. Par contraste avec l'évaluation manuelle habituelle, je propose un protocole d'évaluation automatique, utilisant comme référence un ensemble de questions/réponses d'intérêt pour l'utilisateur. Pour naviguer à travers les extractions, il est nécessaire de rassembler hiérarchiquement les entités comparables et les relations synonymes, ce pour quoi un certain nombre de techniques sont disponibles. Enfin, pour améliorer la qualité des informations obtenues, il est pertinent d'incorporer le jugement de l'utilisateur dans la boucle d'apprentissage (apprentissage actif).