Le traitement du langage naturel par les ordinateurs contribue déjà de manière significative à notre vie quotidienne. Il fait l’objet de nombreuses applications dans des domaines aussi divers que la traduction automatique, la reconnaissance vocale ou encore les chatbots des services client. Yacine Founaqa, du cabinet de conseil Square, nous livre son analyse sur l’intelligence artificielle et les enjeux et nouveaux usages du NLP.
Yacine Founaqa, du cabinet de conseil Square
Depuis quelques mois, des avancées significatives ont été réalisées dans ce domaine et des entités comme OpenAI, co-fondées et co-financées entre autres par Elon Musk, ont mis sur le marché des nouveaux modèles. A ce stade des travaux, prenons le temps de comprendre les enjeux et opportunités d’usage qui s’annoncent autour du langage naturel.
Qu’est-ce que le NLP ?
Le traitement du langage naturel (également appelé NLP pour Natural Language Processing) est un sous-thème de l’IA. Associant informatique et linguistique, le NLP se concentre sur la manière dont les ordinateurs peuvent interpréter et manipuler le langage humain. Les principaux défis du traitement du langage naturel par des ordinateurs concernent la compréhension et la génération du langage naturel. En tant que tel, le NLP est lié au domaine de l’interaction homme-machine. L’objectif de ces concepteurs est d’aboutir à la création de systèmes capables d’analyser, comprendre et (re)produire du langage aussi bien que les humains-et ce n’est pas une mince affaire.
A lire aussi : [Tribune] Le langage naturel, une bataille décisive pour le futur de l’IA
Pourquoi est-ce complexe ?
En effet, les langages humains sont complexes et ambigus. Ils intègrent de très nombreuses variables difficilement quantifiables, ce qui les rend difficiles à comprendre par des machines.
Les langues possèdent chacune des grammaires complexes qui permettent aux mêmes mots ou aux mêmes phrases de signifier des choses différentes selon le contexte d’usage. Elles sont par ailleurs constamment complétées d’indices non verbaux lorsque nous communiquons, comme le ton de la voix ou les expressions faciales – indices qui ne sont d’ailleurs pas toujours saisis dans les textes écrits ou les enregistrements vocaux. Plus encore, la signification de ces indices peut différer d’une région ou d’un pays à l’autre. Il existe des différences générationnelles, culturelles, sociales et d’usage de la langue, comme par exemple l’argot ou les dialectes régionaux.
Les usages des émoticônes, un moyen de communication plutôt récent, voient également leur usage différer d’une génération à l’autre. L’émoticône « 😭» est devenue pour la nouvelle génération une nouvelle façon de signifier le rire, dépassant parfois même l’indétrônable «😂» dans les analyses d’Emojitracker. Selon la linguiste Gretchen McCulloch, des années à exprimer la même façon de rire en ligne ont rendu l’expression du rire «😂» désuète. C’est pourquoi les membres de la génération Z (nés après 1996) cherchent de nouvelles façons de représenter le rire – ce qui n’arrange en rien la compréhension de la machine.
Bref, le traitement automatique du langage est un domaine foisonnant où informatique, linguistique et sociologie sont intimement liés.
Malgré ces obstacles, le traitement automatique du langage se perfectionne à très grande vitesse et des bonds remarquables ont été dernièrement réalisés. Le NLP et ses composantes participent activement à la démocratisation de nouvelles expériences et interactions avec des machines, et se retrouvent au cœur de la conception de nouveaux produits et services.
L’émergence de cas d’usage en rupture pour de nombreuses industries
Au sein de ces nouvelles expériences et interactions avec des machines, de nouveaux usages vont par exemple révolutionner le monde professionnel et faire entrer certains métiers dans une nouvelle ère passionnante. Dans certains secteurs d’activité, il ne sera plus nécessairement obligatoire de maitriser la programmation informatique, des logiciels ou machines, car ces derniers seront manipulables par langage naturel et exécuteront ce que nous leur demanderons de réaliser. Le plus important sera de définir la tâche à exécuter le plus clairement possible.
Dans un futur proche, le NLP sera une brique technologique importante dans de nombreux métiers. En conception produit, de nouveaux services basés sur le langage émergent. Il est par exemple possible de générer du code informatique en rédigeant une phrase en langage naturel avec l’outil DEBUILD ; ou encore de produire des images pour illustrer un site web à partir de descriptions textuelles grâce à DALL-E. Cette rupture s’inscrit par ailleurs dans les usages croissants de technologies dites « no-code » où les utilisateurs n’ont plus besoin de compétences en développement informatique pour concevoir certains services digitaux.
En conclusion
Plus nous en apprenons sur le traitement du langage naturel, plus nous découvrons ses applications possibles. Les interfaces de conversation plus naturelles nous permettront désormais d’explorer un vaste éventail de pistes qui nous étaient auparavant inaccessibles. Les expériences se transforment en profondeur, permettant aux machines et aux interfaces de s’adapter à l’humain, et non plus l’inverse. Cet impact sur la façon dont nous interagissons avec les machines, affectera la conception de nouveaux services. Certains concepteurs pensent qu’il changera la façon dont les expériences utilisateur sont conçues ; d’autres soutiennent que cela perturbera l’ensemble du processus de conception et de créativité.
Dans tous les cas, les interactions homme-machine vont connaitre un bouleversement plus fort que l’arrivée du curseur et de la souris. Reste à savoir quand cette évolution sera assez mature.
Si le Petit Prince avait demandé à un algorithme de lui dessiner un mouton, aurait-il été satisfait du premier coup ?