Un flux de travail LLM pour les subventions analyse 741 sources de financement et mène 5 candidatures en entretien ou en finale

PreprintResearch Square 2026 · 1 min de lecture
Sources de financement analysées
741
10 cycles de veille, du 29 mai au 5 juin 2026
Nouvelles opportunités de financement
46
Sur 83 candidates après filtrage ; 220 doublons écartés
Candidatures en entretien ou en finale
5
Période d’exploitation de quatre mois, de mars à juin 2026

Prépublication Research Square : un flux LLM encadré a analysé 741 sources, recensé 46 nouvelles opportunités et fait avancer 5 candidatures.

Cette évaluation formative décrit un flux de travail encadré, appuyé sur des grands modèles de langage, pour la recherche de subventions et la rédaction de propositions dans une entreprise colombienne d’IA en santé. Le flux comporte quatre phases (repérage des opportunités, vérification de l’éligibilité, score Win Readiness et rédaction) et s’appuie sur l’état du dépôt, des étiquettes d’issues, des règles de dédoublonnage et des points de contrôle par les chercheurs pour transformer des recherches de financement larges en tâches priorisées.

Le flux a couvert 20 scénarios de financement, plus de 50 combinaisons de recherche et plus de 200 opportunités examinées. Sur 10 cycles de veille consignés, il a analysé 741 sources, retenu 83 candidates après filtrage, ouvert 46 nouvelles issues et signalé 220 doublons ; le Win Readiness Score a été affiné comme outil de classement relatif sur 49 subventions, et cinq candidatures ont atteint l’entretien ou la finale entre mars et juin 2026. Les auteurs présentent ce travail comme une évaluation formative et non comme une preuve causale de succès, et il s’agit d’une prépublication pas encore relue par les pairs.

Résultats en un coup d’œil

Les chiffres clés de l’article, en langage simple.

IndicateurValeurCe que cela signifie
Sources de financement analysées74110 cycles de veille, du 29 mai au 5 juin 2026
Nouvelles opportunités de financement46Sur 83 candidates après filtrage ; 220 doublons écartés
Candidatures en entretien ou en finale5Période d’exploitation de quatre mois, de mars à juin 2026

Comment citer

Katherine Monsalve, Natalia Castaño-Villegas, Jose Zea, Laura Velásquez. A Workflow for Grant Discovery and Proposal Development Using Large Language Models: Development and Formative Evaluation. Research Square. 2026. https://doi.org/10.21203/rs.3.rs-10241865/v1

@article{monsalve2026workflow,
  title     = {{A Workflow for Grant Discovery and Proposal Development Using Large Language Models: Development and Formative Evaluation}},
  author    = {Katherine Monsalve and Natalia Castaño-Villegas and Jose Zea and Laura Velásquez},
  journal   = {Research Square},
  year      = {2026},
  doi       = {10.21203/rs.3.rs-10241865/v1},
  url       = {https://www.researchsquare.com/article/rs-10241865/v1},
  note      = {Preprint}
}

Plus de recherche d’Arkangel AI

Toute la recherche →

Pour les hôpitaux et les assureurs

Validez ces résultats dans votre établissement

Nous testons le modèle sur vos propres dossiers cliniques avec votre équipe, selon vos règles de confidentialité et de gouvernance.

Lancer une collaboration
Lire l’articleCiter