La génération de texte à partir d'une base de connaissances vise à transformer des triples de connaissance en descriptions textuelles naturelles. La plupart des méthodes existantes ignorent la fidélité entre la description textuelle générée et le tableau d'origine, ce qui entraîne souvent des informations générées qui dépassent le contenu du tableau. Dans cet article, pour la première fois, nous proposons un cadre innovant de génération basé sur le modèle Transformer afin d'atteindre cet objectif. Les techniques centrales de notre méthode pour garantir la fidélité incluent une nouvelle perte de correspondance par transport optimal entre tableau et texte, ainsi qu'une perte de similarité d'embedding entre tableau et texte fondée sur le modèle Transformer. En outre, afin d'évaluer la fidélité, nous introduisons une nouvelle métrique automatique spécifiquement conçue pour le problème de génération de texte à partir de tableaux. Nous fournissons également une analyse détaillée de chaque composant de notre modèle dans nos expériences. Les évaluations automatiques et humaines montrent que notre cadre surpasse significativement les méthodes de pointe, avec un écart important.