Nous avons développé un pré-traitement linguistique afin de tenir compte de la spécificité des documents de chimie organique et un module de sélection qui assemble les phrases à partir du calcul d'un ensemble de critères typiques du domaine. Pour la détection de nouveauté, nous avons travaillé à une approche numérique, inspirée de l'algorithme Maximal Marginal Relevance (MMR), qui permet de re-pondérer les segments en fonction de deux critères: la pertinence et la non-redondance avec l'historique. Nous décrirons également une méthode reposant sur l'utilisation d'une mesure de similarité permettant le rapprochement de segments morphologiquement proches lors de la construction du graphe.