Répondre à des questions sur des graphes spécifiques à un domaine exige une approche adaptée en raison du nombre limité de relations et de la nature particulière de ce domaine. Notre approche intègre les langages de programmation logique classiques dans les modèles de langage à grande échelle (LLM), permettant ainsi d’utiliser les capacités de raisonnement logique pour résoudre la tâche de question-réponse sur les graphes de connaissances (KGQA). En représentant les questions sous la forme de requêtes Prolog, qui sont lisibles et proches du langage naturel, nous facilitons la génération de réponses obtenues par des méthodes programmées. Pour valider l’efficacité de notre méthode, nous l’évaluons sur un jeu de données de référence bien connu, MetaQA. Nos résultats expérimentaux montrent que notre approche parvient à identifier correctement les entités répondant aux questions dans tous les cas, même lorsqu’elle est entraînée sur une petite fraction des données annotées. Globalement, notre travail présente une approche prometteuse pour la question-réponse sur des graphes spécifiques à un domaine, offrant une solution explicite et robuste grâce à l’intégration des langages de programmation logique.