L’intégration de connaissances externes dans les tâches de réponse à des questions visuelles (VQA) est devenue une nécessité pratique essentielle. Les méthodes existantes adoptent principalement des approches en chaîne (pipeline), composées de modules distincts pour la correspondance et l’extraction de connaissances, l’apprentissage de caractéristiques, etc. Toutefois, ces approches en chaîne sont sensibles aux défaillances d’un composant, ce qui entraîne une propagation d’erreurs et une performance globale médiocre. En outre, la majorité des approches actuelles ignorent le problème du biais des réponses — dans les applications réelles, de nombreuses réponses ne sont jamais apparues durant l’entraînement (c’est-à-dire des réponses inconnues, ou unseen answers). Pour combler ces lacunes, dans cet article, nous proposons un algorithme de VQA zéro-shot basé sur des graphes de connaissances et un mécanisme d’apprentissage à masque, permettant une intégration améliorée des connaissances externes. Nous introduisons également de nouveaux splits de VQA zéro-shot fondés sur les réponses pour le jeu de données F-VQA. Les expérimentations montrent que notre méthode atteint des performances de pointe dans le cadre de la VQA zéro-shot avec des réponses inconnues, tout en améliorant de manière significative les modèles existants en mode end-to-end sur la tâche classique F-VQA.