Nous étudions la réponse à des questions dans un domaine ouvert en utilisant des sources de connaissances structurées, non structurées et semi-structurées, telles que des textes, des tableaux, des listes et des bases de connaissances. À la différence des travaux antérieurs, nous proposons une approche unifiée qui homogénéise toutes les sources en les réduisant à du texte, puis applique le modèle de récupération-lire, jusqu’ici limité aux sources textuelles uniquement. Notre approche améliore considérablement les résultats sur les tâches de question-réponse basées sur des bases de connaissances, de 11 points par rapport aux méthodes récentes basées sur les graphes. Plus important encore, nous démontrons que notre modèle unifié de connaissance (UniK-QA) constitue une méthode simple mais efficace pour combiner des sources hétérogènes de connaissances, surpassant les résultats d’état de l’art sur deux benchmarks populaires de réponse aux questions, NaturalQuestions et WebQuestions, respectivement de 3,5 et 2,6 points.Le code de UniK-QA est disponible à l’adresse suivante : https://github.com/facebookresearch/UniK-QA.