# Générer un glossaire de termes techniques pour un site WordPress documentaire

> Recette pour extraire les termes techniques récurrents d'un corpus d'articles et générer des définitions courtes validées manuellement, à l'aide d'un LLM et d'une base de termes existante.

- Auteur : Clément Hadrot
- Publié le : 2024-07-17
- Mis à jour le : 2024-07-17
- Catégorie : IA & MCP
- URL : https://wpmoderne.dev.wordpress-developpement.fr/ia-mcp/generer-glossaire-termes-techniques-site-documentaire/

## L’essentiel

- L'extraction repère les termes récurrents plutôt que rares
- Chaque définition générée s'appuie sur les occurrences réelles du site
- La validation humaine reste requise avant publication du glossaire

Un site documentaire dans le domaine de l'énergie solaire comptait plus de 400 articles accumulés depuis plusieurs années, avec un vocabulaire technique dense (onduleur, autoconsommation, revente de surplus) jamais rassemblé dans un glossaire accessible aux visiteurs moins familiers du sujet. Plutôt que de partir d'une liste blanche de termes établie à la main, nous avons construit une recette qui extrait automatiquement les candidats à partir du corpus existant.

## Étape 1 : repérer les termes techniques récurrents

Un script parcourt l'ensemble des articles via `WP_Query`, en extrayant le contenu texte nettoyé, puis soumet des lots de dix articles à la fois à l'API GPT-4, avec un prompt demandant d'identifier les termes techniques employés sans être définis explicitement dans le texte lui-même.

```
$prompt = "Liste les termes techniques employés dans ces articles qui ne "
        . "sont jamais définis explicitement dans le texte. Ignore le "
        . "vocabulaire courant. Réponds sous forme de liste JSON de chaînes.\n\n"
        . "Articles :\n" . $lot_articles;
```

Une fois tous les lots traités, on fusionne les listes obtenues et on ne conserve que les termes apparaissant dans au moins cinq articles différents, un seuil qui filtre efficacement les mentions isolées ou trop marginales pour justifier une entrée de glossaire. Sur les 400 articles du site, cette étape a fait émerger 87 termes candidats.

## Étape 2 : générer une définition courte à partir des occurrences réelles

Pour chaque terme retenu, le script rassemble les phrases du corpus qui le mentionnent, jusqu'à un maximum de dix occurrences, puis demande à l'IA de rédiger une définition courte fondée uniquement sur le contexte d'usage observé dans ces phrases, sans faire appel à des connaissances générales externes au site.

```
$prompt = "À partir des phrases suivantes qui utilisent le terme "
        . "'{$terme}', rédige une définition de 30 à 50 mots, fidèle "
        . "à l'usage observé dans ces phrases uniquement.\n\n"
        . "Phrases :\n" . implode( "\n", $occurrences );
```

> L'essentiel à retenir : L'extraction repère les termes récurrents plutôt que rares ; Chaque définition générée s'appuie sur les occurrences réelles du site ; La validation humaine reste requise avant publication du glossaire

## Étape 3 : la validation par l'expert du domaine

Le client dispose d'un ingénieur spécialisé dans les installations solaires, qui a relu les 87 définitions avant toute mise en ligne. Sur ce total, 14 définitions ont nécessité une correction technique, principalement des nuances importantes omises par une définition trop généraliste, par exemple sur les seuils réglementaires de revente de surplus qui varient selon la puissance installée.

- Définitions jugées correctes sans modification : 73 sur 87
- Définitions corrigées pour une nuance technique manquante : 14 sur 87
- Aucune définition rejetée entièrement, le fond restant globalement fiable

## La structure de contenu retenue

Chaque terme est publié comme entrée d'un type de contenu personnalisé `glossaire`, avec un lien automatique vers les articles du site qui le mentionnent, construit via `WP_Query` avec une recherche du terme dans le contenu publié. Cette structure permet à un lecteur qui tombe sur un terme obscur dans un article de rejoindre directement sa définition, puis de revenir vers d'autres articles connexes.

> Un glossaire construit à partir de l'usage réel d'un site tient mieux la route qu'une liste de définitions génériques copiées d'ailleurs, car il reflète le vocabulaire exact que vos lecteurs rencontrent chez vous.

## Ce que cette méthode ne couvre pas

L'extraction automatique repère les termes récurrents, mais peut manquer un terme rare et pourtant important, mentionné une seule fois dans un article de référence stratégique. L'ingénieur du client a ainsi ajouté cinq termes supplémentaires à la main, jugés essentiels malgré leur faible fréquence d'apparition dans le corpus.

## En résumé

Extraire un glossaire à partir du corpus réel d'un site, plutôt que de rédiger une liste de définitions génériques, garantit une cohérence directe avec le vocabulaire effectivement utilisé par les visiteurs. La validation par un expert du domaine reste toutefois indispensable, notamment sur les nuances réglementaires ou techniques qu'une définition moyenne, tirée de multiples occurrences, peut lisser à tort.