Introduction au NLP - Partie 2/6 - Progrès et domaines d'application.
Dans la Première partie de l’introduction, nous avons défini le NLP, exposé le défi de Turing, présenté ELIZA, chatbot historique développé en 1966, et quelques-uns de ses successeurs.
Comment le NLP a-t-il évolué ? Quels sont aujourd’hui, de votre moteur de recherche à Google Assistant, en passant par les chatbots, ses champs d’applications ? Nous proposons dans ce second volet de répondre à ces questions.
Les évolutions du NLP
Le NLP s’est progressivement sophistiqué : avec les réseaux neuronaux, le machine learning et le deep learning.
BA-BA des réseaux de neurones
Le premier réseau de neurones artificiels est mis au point en 1957. Il est l’œuvre de Frank Rosenblatt, informaticien à l’Université de Cornell, État de New York. Le Perceptron est un programme permettant de gérer des informations d’entrée et de sortie selon deux groupes : on parle de classificateurs binaires. Constituée de cellules photoélectriques et de câbles, la machine traite des informations visuelles. Elle est capable d’apprendre à reconnaître les lettres de l’alphabet.
Le Perceptron est le point de départ de l’élaboration de réseaux neuronaux plus complexes permettant de modéliser le langage.
Source : Getty (Frank Rosenblatt, le Perceptron)
Modèles actuels
Dans les années 1980, les Computational Linguistics, approche symbolique et statistique du langage naturel, se développent. Ensuite, les algorithmes d’apprentissage, le machine learning et le deep learning, se perfectionnent.
Désormais, des réseaux de neurones profonds secondent l’approche procédurale (ensemble d’instructions exécutées par la machine). Les apprentissages supervisés et non supervisés permettent de générer des modèles avec des niveaux d’abstraction élevés.
Champs d’application du NLP
Aujourd’hui, les domaines d’application du NLP sont nombreux.
Usages
Que vous échappiez à un spam vantant les mérites de pilules étranges, utilisiez Google Translator, le correcteur de votre traitement de texte, lisiez une dépêche de l’Agence France-Presse, interrogiez Siri, posiez une question au chabot de votre entreprise, fassiez une recherche sur internet, le NLP est à l’oeuvre.
Domaines d’application
Les domaines du NLP concernent ainsi la traduction automatique, la correction, l’aide à la rédaction. Google et Skype perfectionnement la traduction en temps réel (on devrait entendre reparler des Pixel Buds, les écouteurs intelligents de Google). Le NLP intervient également dans les moteurs de recherche.
Plus particulièrement, le domaine de la reconnaissance vocale a été investi par les assistants personnels intelligents : sur smartphones, ordinateurs, dans l’IoT. Siri d’Apple, Alexa d’Amazon, Cortana de Microsoft, Google Assistant ou encore Snips, le challenger des GAFAM, proposent leurs services.
Source : Techcrunch (les assistants personnels intelligents)
Enfin, dans les sciences humaines et les sciences dures, linguistes et chercheurs en neurosciences travaillent sur le NLP. L’enjeu est de modéliser le langage (il n’existe pas à l’heure actuelle de modèle linguistique complètement satisfaisant) et de comprendre d’autre part les mécanismes cognitifs impliqués dans les interactions verbales.
Les chatbots, outils de communication et d’information
Les chatbots, ou agents conversationnels, connaissent un vif succès depuis quelques années. Sur le marché, plusieurs spécialités les distinguent.
● Divers usages
Certains chatbots permettent aux directions marketing de fidéliser leurs clients en échangeant des messages SMS et sur les réseaux sociaux. D’autres, comme Jam, s’adressent aux jeunes sur Facebook Messenger. En interne pour les sociétés, les chatbots sont susceptibles de jouer des rôles clés : soutien pour les responsables RH, support IT, etc. Ils peuvent être également utiles pour les collectivités.
● NLP or not
Il faut distinguer entre les chatbots n’utilisant pas le NLP et ceux y recourant. Ceux de la première catégorie fonctionnent avec des listes de choix. On rencontre ces chatbots sur les sites e-commerce, par exemple.
Plus évoluée, la seconde famille analyse le langage et utilise le machine learning. Ces chatbots apportent en effet des réponses personnalisées, gèrent les erreurs éventuelles de frappe ou formulation, peuvent enrichir leur vocabulaire avec celui de l’entreprise, etc. Évidemment, dans ce contexte, l’interaction est meilleure.
Source : Burst
Concluons ce deuxième point. Depuis les années 1980, les progrès du NLP sont remarquables. La discipline trouve des applications dans de nombreux secteurs, avec un potentiel économique élevé pour les assistants personnels intelligents et les chatbots.
To be continued. Dans la Troisième partie, nous nous intéressons au fonctionnement d’une application de NLP. Comment la machine procède-t-elle pour analyser un discours ?
