Le Natural language processing, l’art de dialoguer avec les robots
En juillet 2020, le linguiste Frédéric Landragin publiait un nouvel ouvrage intitulé « Comment parle un robot » illustrant ainsi une certaine fascination du grand public pour le langage des machines. Qu’ils se nomment R2D2 ou Terminator au cinéma ou Alexa, Siri ou Ok Google, les robots parlant font partie de nos quotidiens. Ils sont même étudiés dans un champ précis de la linguistique : le traitement automatique des langages (TAL). Cette science porte sur l’étude des algorithmes qui permettent de traiter le langage humain, de le comprendre et de le reproduire.
C’est quoi le natural language processing ?
Le NLP (Natural Language Processing) est une branche de l’intelligence artificielle, qui porte sur le traitement du langage écrit.
Le NLP se concentre principalement sur :
- la phonétique : la façon de prononcer les mots à l’oral
- la prosodie : l’intonation des phrases
- le lexique : le vocabulaire qui constitue le langage
- la sémantique et la pragmatique : le sens de la phrase et son interprétation
- La syntaxe et la grammaire
Quand est-ce que la notion de NLP apparaît-elle ?
Les premières traces de traitement de langage apparaissent après la Seconde Guerre mondiale, lorsqu’au milieu des années 1950, les Américains mettent en œuvre des analyses poussées des communications soviétiques. C’est la première fois qu’un pays réalise des tests d’industrialisation du traitement du langage.
La méthode se fonde alors sur une analyse des faits, des règles et la mise en place d’un algorithme de simulation des raisonnements déductifs appelé moteur d’inférence.
Les résultats sont plutôt satisfaisants pour l’époque puisqu’elle permet de retranscrire avec précision des messages cryptés. Cependant, elle ne permet pas, à l’époque, de contextualiser ni de gérer le caractère ambigu d’une conversation, ce qui en limite la finesse d’analyse. On est donc loin à l’époque du machine learning et du deep learning qui viendront renforcer le NLP
Comment se nourrit le natural language processing ?
Les moyens de capter le langage nécessaire à l’apprentissage sont nombreux :
- À partir d’un texte numérisé
- À partir d’un manuscrit
- Par reconnaissance vocale
- Par extraction de pages web
On le voit, tout langage écrit est intéressant pour le NLP, les méthodes pour le traitement du langage s’appuient sur la syntaxe qui permet de repérer l’organisation des éléments dans la phrase (sujet + verbe + complément) et l’analyse sémantique qui identifie le sens le plus courant quand il y a association des termes. Pour multiplier les chances d’avoir une compréhension efficace des différents documents, il est nécessaire d’avoir accès à une quantité conséquente de documents couplés à des moyens de calculs puissants (les fameux algorithmes).
Cette association informations x traitement de l’info permet d’entraîner efficacement l’intelligence artificielle. C’est pourquoi la data fournie par les moteurs de recherche comme Google est extrêmement intéressante.
NLP: cas d’usage du traitement automatique des langues
Aider les entreprises à interagir avec leurs clients
Chatbot, callbot et autres messaging bots ont le vent en poupe ! Le recours aux bots pour préqualifier une demande entrante est de plus en plus recherché. Ces agents conversationnels virtuels sont programmés pour répondre aux différentes demandes des utilisateurs qui saisissent les requêtes leur smartphone, leur ordinateur ou encore directement au téléphone et vont ensuite dialoguer avec le bot de manière naturelle à l’écrit comme à l’oral. Le NLP donne aux bots la compréhension nécessaire à cette mission. Ils peuvent ainsi répondre de manière pertinente aux demandes clients.
Ce type d’usage est particulièrement utile dans des secteurs comme la banque ou l’assurance. Les entreprises reçoivent en effet énormément d’appels par jour et utilisent le NLP pour automatiser les demandes de premier niveau.
Le gain pour l’entreprise ?
- Ne plus laisser de clients dans l’attente et sans réponse, ce qui est important quand on sait qu’un client mécontent coûte cher à réenchanter
- Un meilleur traitement du flux d’appel entrant et donc des clients qui sont entendus plus rapidement
- La réduction des coûts par appel
- Une utilisation optimale des ressources humaines : les conseillers peuvent se concentrer sur les tâches et réponses à plus forte valeur ajoutée et apprécier davantage leur travail.
Aider les entreprises de la finance
Un autre secteur d’activité utilise avec assiduité les capacités du natural language processing : le monde de la finance. Il constitue en effet un puissant outil d’intelligence économique. Le NLP par sa faculté à traiter et à organiser d’énormes quantités de données est un outil particulièrement efficace pour prévoir l’évolution des marchés. Des algorithmes ont été développés afin de prédire les orientations monétaires des banques centrales européennes. Pour ce faire, les algorithmes ont analysé les discours des dirigeants desdites banques.
La traduction
Les systèmes de traduction de textes deviennent de plus en plus performants, vous ne trouvez pas ? Et c’est encore en raison du recours à la NLP, puisqu’elle permet d’automatiser la traduction en se basant sur des contenus alimentés par l’Homme. Les logiciels vont analyser des textes disponibles dans deux langues et comprendre comment sont traduits les éléments d’une langue à l’autre, le champ lexical, la syntaxe, la sémantique, le contexte, tout est pris en compte.
La modération de contenu
L’information est partout et depuis quelques années, les réseaux sociaux comme Facebook, Instagram et Twitter se sont engagés dans une démarche de lutte contre les fake news.
La première étape de vérification repose sur une analyse de la donnée (nombre de relais, fréquence de publication) et de ses sources (nature du site éditeur, l’auteur, le pays) puis une classification de l’information par degré de crédibilité.
Vous l’avez compris pour ce type de tâche, la NLP est tout à fait pertinente, cependant elle a besoin d’une intervention humaine pour pouvoir finaliser la modération, cela représente donc un exemple de complémentarité Humain x Machine.
L’analyse de réputation
La France compte de nombreux fleurons de l’industrie de l’analyse de réputation. Ces entreprises sont capables de suivre en temps réel tout ce qui se dit d’intéressant sur une marque ou une entreprise. Ici encore l’information à traiter est énorme et peut s’avérer extrêmement intéressante si on y ajoute le ressenti humain. L’analyse du comportement des humains par l’écrit repose sur la technique du text mining ou fouille de textes ou encore extraction de connaissance. On va ici extraire et trier les informations selon un critère de nouveauté ou de similarité dans les textes écrits par des humains. Dans la pratique, il s’agit de mettre en algorithme un modèle linguistique que l’on va confronter au réel grâce à des systèmes informatiques d’apprentissage et de statistiques, et des technologies de compréhension du langage naturel. À l’aide de cet apprentissage, l’algorithme va pouvoir déterminer la relation syntaxique entre les phrases et définir la typologie du message : positif, neutre, négatif.
Cette technique est fort utile aux entreprises qui souhaitent comprendre rapidement une tendance : la finance, l’agroalimentaire, la mode etc…
Le NLP et le monde de l’entreprise
Cet article vous a intéressé et vous envisagez d’utiliser les vertus du natural language processing pour votre entreprise ?
Si vous souhaitez :
- Améliorer votre service client en utilisant des chatbots ou callbots intelligents
- Optimiser votre page SAV ou de contact sur le site web de votre entreprise
- Créer des supports clients inclusifs : malvoyant, sourd, malentendant
- Fournir des outils capables d’analyser les émotions des clients : colère, joie, angoisse….
- Aider les ressources humaines de grands groupes.
Faites appel aux spécialistes du Zaion Lab : nos chercheurs et docteurs du monde entier œuvrent chaque jour pour l’accélération du développement de ces technologies révolutionnaires.
