À mesure que de plus en plus d’entreprises adoptent l’intelligence artificielle (IA) dans divers secteurs, ces IA sont inévitablement placées dans des situations où elles doivent interagir avec des êtres humains. Des chatbots de service client aux assistants virtuels comme Alexa d’Amazon, ces cas d’usage nécessitent d’apprendre à une IA à écouter, apprendre et comprendre ce que les humains lui disent et comment y répondre.
L’une des méthodes pour apprendre aux IA à communiquer avec les humains consiste à utiliser le traitement automatique du langage naturel (NLP). À la croisée de l’IA, de l’informatique et de la linguistique, le traitement automatique du langage naturel vise à créer ou à entraîner un ordinateur capable non seulement de comprendre les mots prononcés littéralement par les humains, mais aussi les implications contextuelles et les nuances de leur langage.
À mesure que le secteur de l’IA a gagné en importance, celui du NLP a lui aussi progressé. Un rapport d’Allied Market Research estimait le marché mondial du NLP à 11,1 milliards de dollars US en 2020, et celui-ci devrait atteindre 341,5 milliards de dollars US d’ici 2030. Derrière cette valorisation se trouve une multitude de start-up prometteuses et de vétérans expérimentés de la technologie, qui font progresser la discipline toujours plus loin.
- Histoire du traitement automatique du langage naturel
- Avantages du traitement automatique du langage naturel
- Wordsmith
- Indata Labs
- IBM
- Synthesia
- Intel
- MindMeld
- Microsoft
Histoire du traitement automatique du langage naturel
Le traitement automatique du langage naturel fait partie de la recherche en IA depuis les débuts de ce domaine. L’article fondateur d’Alan Turing, Computer Machinery and Intelligence, qui présente le célèbre test de Turing, comprend une tâche nécessitant l’interprétation automatisée du langage naturel.
Des années 1950 aux années 1990, la recherche en NLP s’est principalement concentrée sur le NLP symbolique, qui tente d’enseigner aux ordinateurs les contextes linguistiques au moyen d’une logique associative. En substance, on fournit à l’IA une base de connaissances élaborée par des humains, conçue pour inclure les composantes conceptuelles d’une langue et les relations entre ces composantes.
À l’aide de cette base de connaissances, l’IA peut ensuite comprendre le sens des mots dans leur contexte grâce à une logique SI-ALORS. Les comparaisons en sont un exemple. Si vous disiez : « Il est rapide comme un guépard », l’IA comprendrait que la personne dont vous parlez n’est pas littéralement un guépard.
Grâce à l’augmentation de la puissance de calcul amorcée dans les années 1990, des algorithmes d’apprentissage automatique ont été introduits dans le traitement automatique du langage naturel. C’est à cette époque que les programmes de traduction automatique ont commencé à gagner en importance. Google Translate et DeepL en sont des exemples.
À mesure que l’internet gagnait en popularité dans les années 2000, les machines de NLP ont eu accès à encore davantage de données brutes à analyser et à comprendre. Les chercheurs ont donc commencé à se concentrer sur le développement d’algorithmes d’apprentissage non supervisé et semi-supervisé. Ces algorithmes étaient moins précis que ceux de l’apprentissage supervisé, mais la quantité considérable de données qu’ils traitaient pouvait compenser ces inexactitudes.
Aujourd’hui, de nombreuses IA de traitement automatique du langage naturel utilisent l’apprentissage représentationnel et des techniques d’apprentissage automatique fondées sur des réseaux neuronaux profonds afin de développer des capacités plus précises de modélisation et d’analyse du langage.
À lire également : Qu’est-ce que l’intelligence artificielle ?
Avantages du traitement automatique du langage naturel
L’utilisation du traitement automatique du langage naturel en entreprise présente plusieurs avantages. Par exemple, les programmes de NLP employés pour le service client peuvent être actifs 24 heures sur 24, 7 jours sur 7, et être moins coûteux à déployer et à maintenir qu’un employé humain. Le NLP peut donc contribuer à réduire les coûts.
Le NLP peut également servir à faire mûrir les prospects et à développer une publicité ciblée, en veillant à ce que les produits d’une organisation soient présentés aux personnes les plus susceptibles de les acheter. Cela peut renforcer l’efficacité des équipes marketing humaines et accroître les revenus sans nécessairement devoir investir dans des campagnes publicitaires plus larges.
Le traitement automatique du langage naturel peut aussi améliorer l’optimisation pour les moteurs de recherche (SEO) et contribuer à maintenir une entreprise aussi haut que possible dans les résultats. Le NLP peut analyser les requêtes de recherche, suggérer des mots-clés associés et faire gagner du temps lors des recherches liées au SEO, laissant aux entreprises davantage de temps pour optimiser la qualité de leur contenu.
Les meilleures entreprises du traitement automatique du langage naturel
L’un des plus grands noms de l’IA et de la technologie, Google utilise tout naturellement le NLP depuis longtemps dans ses produits et services. Cette année encore, l’un de ses chercheurs a affirmé que l’un des modèles Language Model for Dialogue Applications (LamDA) de l’entreprise était doué de sensibilité, en grande partie grâce à ses réponses au chercheur dans le cadre d’un échange textuel. Google a même commencé à tester publiquement LamDA fin août 2022.
Côté produits, Google propose une Natural Language API qui permet aux utilisateurs de tirer de nouvelles informations de textes non structurés. Son outil AutoML fournit des modèles d’apprentissage automatique personnalisés pour mieux analyser, catégoriser et évaluer les documents. La suite de développement Dialogflow peut être déployée dans de nombreux environnements afin de créer des interfaces utilisateur conversationnelles, comme des chatbots sur des sites web, des applications mobiles et d’autres plateformes.
Enfin, la solution Document AI de Google Cloud permet aux clients d’automatiser la capture de données à grande échelle et d’extraire davantage de données des documents sans augmenter les coûts.
À lire également : L’avenir de l’intelligence artificielle
Wordsmith
Automated Insights est présentée comme la première plateforme publique au monde de génération de langage naturel (NLG). En saisissant des informations dans le moteur, les utilisateurs peuvent créer du contenu clair et compréhensible, généré par l’IA.
En tant que l’une des premières plateformes de ce type, elle compte plusieurs clients intéressants. L’Associated Press s’est notamment associée à Automated Insights pour produire plus de 50 000 articles d’actualité générés par l’IA, selon le site web d’Automated Insights.
L’interface de Wordsmith est l’une des plus faciles à utiliser du marché, avec un haut degré de personnalisation. Cependant, la configuration initiale peut prendre plus de temps que prévu. Ceux qui recherchent des options de déploiement rapide devront peut-être se tourner vers une autre solution. Le contenu généré devra probablement aussi être retouché par les équipes internes avant publication.
Globalement, Wordsmith constitue un choix solide pour les entreprises qui cherchent à convertir d’importants volumes de données en contenu lisible et mis en forme.
Indata Labs
Basée à Chypre, Indata Labs s’appuie sur l’expérience de ses employés en analyse des mégadonnées, en IA et en NLP pour aider ses clients à tirer le meilleur parti de leurs données. Des organisations des secteurs de la santé, du commerce en ligne, de la fintech et de la sécurité ont fait appel à l’expertise d’Indata Labs pour extraire de nouvelles informations de leurs données.
L’entreprise propose un large éventail de services et de solutions, de l’ingénierie des données à l’analyse prédictive, en passant par la reconnaissance d’image. Dans le domaine du NLP, elle propose du conseil en expérience client, l’analyse du sentiment des consommateurs et l’analyse de texte, afin que ses clients tirent le maximum de valeur de leurs jeux de données.
Indata Labs dispose également de son propre centre interne de R&D (recherche et développement) en IA et collabore avec certaines des meilleures entreprises mondiales de vision par ordinateur et de NLP pour concevoir de nouvelles solutions et faire progresser les domaines de la business intelligence, de l’IA et du traitement automatique du langage naturel.
IBM
Autre géant de la technologie, la gamme de produits d’IA Watson d’IBM figure parmi les meilleures du marché. Il est donc logique que le vaste éventail de services de Watson comprenne plusieurs solutions de NLP. Watson Discovery est une plateforme intelligente de recherche et d’analyse de texte que les entreprises peuvent utiliser pour retrouver des informations potentiellement enfouies dans leurs vastes réserves de données.
Watson Assistant est une plateforme de service client qui recueille des données issues des conversations avec les clients. Grâce à cela, les chatbots Watson Assistant peuvent mieux apprendre à rendre le processus de support client moins stressant et moins chronophage pour les clients.
Enfin, Watson Natural Language Understanding utilise l’apprentissage profond pour identifier les concepts linguistiques et les mots-clés, effectuer une analyse des sentiments et extraire le sens de données non structurées.
À lire également : Les avantages de l’intelligence artificielle
Synthesia
Synthesia est une plateforme web de génération de vidéos par IA. Grâce à sa bibliothèque de modèles vidéo, de voix et d’avatars générés par IA, les utilisateurs peuvent créer des vidéos à grande échelle pour répondre à leurs besoins. Selon son site web, la technologie de Synthesia est utilisée par plus de 10 000 entreprises, dont Nike, Google, la BBC et Reuters, pour créer des vidéos dans plus de 60 langues.
La plateforme propose également un enregistreur d’écran, la création d’avatars IA personnalisés, le sous-titrage codé et l’accès à une bibliothèque de musiques d’ambiance libres de droits. Si une organisation dispose de sa propre bibliothèque de ressources multimédias, elle peut facilement les importer et les utiliser dans Synthesia.
Intel
Un grand nom de la technologie comme Intel se doit de proposer toute une gamme de services liés au NLP. L’entreprise dispose bien sûr d’un vaste éventail de produits d’IA, allant des outils de développement aux solutions de déploiement.
Pour les organisations qui souhaitent approfondir leurs connaissances en NLP, Intel propose une formation complète destinée aux développeurs dans le domaine du traitement automatique du langage naturel, où les participants peuvent apprendre les tenants et les aboutissants de l’utilisation effective du NLP pour entraîner des IA.
Il y a également le Natural Language Processing Architect, une bibliothèque Python développée par les Intel AI Labs. Une bibliothèque Python est essentiellement un ensemble de collections de code préécrites pouvant être réutilisées dans différents programmes et scénarios. NLP Architect vise précisément à faciliter le développement d’IA personnalisées entraînées au NLP.
MindMeld
MindMeld propose une plateforme d’IA conversationnelle grâce à laquelle les entreprises peuvent développer des interfaces conversationnelles adaptées au mieux à leurs applications, algorithmes et plateformes.
Grâce à MindMeld, des entreprises ont développé et déployé des interfaces pour la commande de repas, l’assistance à domicile, l’assistance bancaire et la découverte de vidéos. La plateforme fournit une formation à chaque étape de la hiérarchie du NLP, en veillant à prendre en compte chaque niveau de logique du processus.
C’est grâce à cette plateforme innovante que le magazine Entrepreneur a intégré MindMeld à sa liste des 100 entreprises brillantes en 2015. Cisco, Appspace, Davra et Altus comptent parmi les entreprises qui utilisent MindMeld.
Microsoft
L’influence de Microsoft s’étend à l’ensemble du paysage technologique. Il n’est donc pas surprenant que l’IA et, par extension, le traitement automatique du langage naturel, figurent parmi les domaines d’intérêt de ce géant technologique basé à Washington. En fait, le laboratoire de recherche de Microsoft à Redmond, dans l’État de Washington, compte un groupe spécifiquement consacré à la recherche sur le NLP.
Grâce au service de cloud computing Azure de Microsoft, les clients peuvent entraîner et déployer des frameworks personnalisés de traitement automatique du langage naturel. L’entreprise propose même une documentation expliquant comment procéder. Pour utiliser le NLP dans Azure, Microsoft recommande Apache Spark, un moteur d’analyse unifié open source conçu pour le traitement de données à grande échelle.
Parmi les fonctionnalités notables de ces frameworks NLP personnalisés pour Azure figurent l’analyse des sentiments, la classification de texte, le résumé automatique et la vectorisation. En outre, Azure AI de Microsoft prend en charge un modèle d’entraînement multilingue, permettant aux organisations d’entraîner une IA de NLP à fonctionner dans plusieurs langues sans devoir la réentraîner.
À lire ensuite : Qu’est-ce que l’apprentissage profond ?