Le défi TREC-PM vise à faire progresser le domaine de la récupération d’information appliquée à la médecine de précision. Dans cet article, nous décrivons notre configuration expérimentale ainsi que les résultats obtenus lors de l’édition 2018. Nous avons exploré l’utilisation de modèles topiques non supervisés, de classifications supervisées de documents, ainsi que de mécanismes basés sur des règles pour renforcer et étendre les termes de requête en temps réel. Nous avons participé aux sous-tâches consacrées aux articles biomédicaux et aux essais cliniques, et nous nous sommes classés parmi les trois équipes les mieux classées. Nos résultats montrent que l’extension de requête associée à des règles manuellement conçues contribue à de meilleures performances selon les métriques de récupération d’information. Toutefois, l’utilisation d’un classificateur spécifique à la médecine de précision n’a pas permis d’obtenir l’amélioration attendue sur la sous-tâche des résumés biomédicaux. À l’avenir, nous prévoyons d’intégrer différentes terminologies afin de remplacer les règles manuelles et d’expérimenter la détection de négations.