Récemment, les embeddings de graphes de connaissances (KGE) ont suscité un intérêt croissant, et plusieurs bibliothèques logicielles ont été développées pour entraîner et évaluer ces modèles. Bien que chacune d’entre elles réponde à des besoins spécifiques, nous avons révisé et réimplémenté PyKEEN, l’une des premières bibliothèques dédiées aux KGE, dans le cadre d’un effort communautaire. La version 1.0 de PyKEEN permet aux utilisateurs de composer des modèles d’embeddings de graphes de connaissances (KGEM) à partir d’un large éventail de modèles d’interaction, d’approches d’entraînement, de fonctions de perte, tout en permettant une modélisation explicite des relations inverses. Par ailleurs, une optimisation automatique de la mémoire a été mise en œuvre afin d’exploiter de manière optimale les ressources matérielles disponibles, et grâce à l’intégration d’Optuna, la bibliothèque offre des fonctionnalités avancées d’optimisation automatique des hyperparamètres (HPO).