Montrer comment reformuler l’alignement d’entités comme un problème d’inférence en langage naturel (NLI) permet aux modèles neuronaux d’approximer un raisonnement logique sur les descriptions des KGs, et comment les grands modèles de langage (LLMs) peuvent étendre ce cadre pour traiter des cas plus complexes. Ensemble, ces approches ouvrent la voie à des solutions plus généralisables et explicables pour l’intégration de graphes de connaissances.