Segmentation : détecter les changements de lieu dans un chunk multi-scènes

[renaudcepre]

Problème

La segmentation sémantique (similarité cosinus entre blocs adjacents) ne détecte pas les changements de lieu — elle détecte les changements de sujet. Dans LOTR par exemple, une transition Shire → Orthanc a une similarité élevée car les deux scènes partagent le même contexte narratif (Gandalf, la menace de Sauron).

Résultat : un chunk peut contenir deux scènes distinctes à deux lieux différents, et l'analyseur produit un résumé hybride incohérent.

Contrainte

Le format libre (pas de headings INT./EXT.) est volontaire — on ne peut pas se baser sur des marqueurs de scène.

Pistes

1. Post-détection LLM : si l'analyseur détecte deux lieux distincts dans son résumé, resplitter le chunk et ré-analyser chaque moitié (coût : appels supplémentaires)

2. Modèle de sortie N scènes : adapter le prompt + output_type pour que l'analyseur retourne une liste de scènes au lieu d'une seule — un chunk multi-scènes produit N entrées en base

3. Hybride : combiner similarité sémantique + heuristique de changement de lieu (NER sur les noms de lieux entre blocs adjacents)