Nous nous intéressons à la tâche d'interrogation d'un graphe de connaissances en langue naturelle. Les graphes de connaissances peuvent être interrogés de façon fiable via des langages formels comme SPARQL. Toutefois cela exige une traduction complexe du langage naturel vers le langage formel. Les grands modèles de langue (LLM) sont capables de répondre directement aux questions en langue naturelle mais n'offrent aucune garantie concernant la validité des réponses qu'ils génèrent. Nous proposons un système neurosymbolique, appelé AlasQA, qui répond à des questions posées en langue naturelle en combinant la fiabilité d'un langage formel comme SPARQL et la puissance des LLMs. La proposition s'appuie sur un outil intermédiaire de construction interactive de requêtes SPARQL. Des expérimentations menées sur les jeux de données QALD et TEXT2SPARQL valident l'intérêt de cette approche hybride.