Cet article présente le système Annif d'indexation thématique utilisant des modèles linguistiques à grande échelle (LLM) dans la tâche 5 de SemEval-2025 (LLMs4Subjects). Cette tâche nécessitait de générer des prédictions thématiques à l'aide du vocabulaire thématique GND (Global Neural Network) pour les notices bibliographiques de la base de données bilingue TIBKAT. Le système Annif combine les techniques existantes de traitement du langage naturel et d'apprentissage automatique mises en œuvre dans la boîte à outils Annif avec une méthode innovante basée sur les LLM pour la traduction et la génération de données synthétiques, ainsi que pour la fusion de prédictions de modèles japonais. Lors des évaluations quantitatives, il s'est classé premier dans toutes les catégories de sujets, deuxième dans la catégorie tib-core-subject et quatrième dans les évaluations qualitatives. Ces résultats démontrent le potentiel de la combinaison de l'algorithme XMTC existant avec les techniques LLM modernes pour améliorer la précision et l'efficacité de l'indexation thématique dans les environnements multilingues.
