Les IA du langage pour les entreprises et les organisations

En quelques mois, l'interface ChatGPT a reçu des dizaines de millions de connexions. On s'est extasié de certaines réponses, amusé d'autres. Mais finalement, à part écrire sur des prompts pour poser des questions tantôt utiles tantôt saugrenues, les utilisateurs ne connaissent pas spécialement les IA du langage ni surtout leurs usages potentiels dans leurs propres métiers.

Pour éclairer le sujet, ce schéma montre les deux grands types d'IA en traitement automatique du langage :

Les IA discriminatives servent avant tout à analyser des textes. Elles remplacent le jugement humain pour évaluer le contenu et le sens des données qui leur sont soumises.

Les IA génératives servent avant tout à produire des textes. Elles remplacent l'écriture (ou la parole) humaine pour des rédactions courtes (résumés, dialogues, brèves de presse, réponses à question, etc.).

Pour que l'IA rende des services, elle doit être instruite en ce sens. Le but est de lui faire répliquer un choix humain ou une action humaine.

Prenons l’exemple d’une régie de transport. Elle interagit avec ses usagers sur différents canaux en langue naturelle pour identifier a) les avis positifs et négatifs ; b) les lignes de tramways concernées. Une première option est de confier à des salariés la lecture de tous les avis en vue d’en proposer une typologie raisonnée… Une autre est de déléguer ce travail fastidieux à une IA de traitement automatique de la langue naturelle.

Une première tâche consiste à apprendre à cette IA à discriminer le positif, le négatif, le neutre. Par exemple ici, on voit une IA qui lit un avis et qui lui attribue une forte probabilité de négativité (N).

Une seconde tâche consiste dans un autre apprentissage de l'IA : lui faire identifier quand une ligne est citée dans la phrase. Ici, l'IA le repère et peut extraire l'information.

Evidemment, ce n'est pas limitatif... et on s'habitue vite à demander plein de choses aux IA !

Vous pouvez souhaiter aussi que l'IA trouve ce qui a motivé l'avis dans l’expression du voyageur. En ce cas, il faut apprendre au modèle personnalisé du langage à reconnaître que "retard" est le motif de courroux, dans l'exemple donné.

A travers cet exemple qui concerne une IA discriminative (classant des mots, textes, documents), la question métier apparaît d’emblée : quelles sont les tâches de jugement (humain) qui prennent du temps face à un volume conséquent de texte et que l'on pourrait automatiser en demandant à la machine de répliquer ce jugement humain ?

Dans certains cas simples, des modèles puissants et prêts à l'emploi existent déjà. Dans d'autres cas, il faut consacrer un apprentissage, qui demandera quelques centaines à milliers d'exemples. Un petit investissement au départ, pour un énorme gain de temps à l’arrivée et la libération de cerveaux humains pour des tâches plus créatives et relationnelles.

Team Youmean
Publié le 16 Février 2023

Les dernières actualités

10 Mai 2023
#Usecase : Identifier des lignes de bus et tram dans la parole des usagers

Youmean publie une série d’études de cas éclairant les bénéfices opérationnels des IA du langage pour les entreprises et les collectivités. Aujourd’hui, un aménageur préparant une nouvelle offre de transport doit classer les avis des usagers, et identifier en particulier les plus de 100 lignes citées en verbatims.

Lire la suite
16 Février 2023
Les IA du langage pour les entreprises et les organisations

Au-delà du buzz planétaire ChatGPT, beaucoup de décideurs se demandent: à quoi pourrait me servir une IA du langage? Elements de réponse.

Lire la suite
3 Février 2023
Chat GPT : l’IA devient visible au grand public

Le modèle GPT-3 existe depuis déjà 3 ans, mais il a connu une explosion mondiale de popularité cet hiver, avec le buzz viral autour de l’agent de conversation Chat GPT. Cinq minutes pour comprendre ce qu’il y a sous le capot.

Lire la suite
10 Mai 2022
Quelles bonnes pratiques pour des modèles de classification en traitement automatique du langage?

Détecter et mesurer les thèmes ou les angles d'un contenu textuel exige de catégoriser le sens de phrases ou d'ensembles de mots. Explication et bonnes pratiques.

Lire la suite