Les assistants vocaux sont devenus en quelques ann\u00e9es des objets de notre quotidien. Il est tr\u00e8s probable qu\u2019un assistant vocal soit de mani\u00e8re permanente en votre compagnie. <\/p>\n\n\n\n
Et cela, que ce soit \u00e0 travers les objets connect\u00e9es tels que les enceintes connect\u00e9es (Alexa d’ Amazon, Google Home) ou via votre smartphone disposant d\u2019un assistant personnel \u00e0 commande vocale (SIRI d\u2019Apple, Cortana de Microsoft ou encore plus r\u00e9cemment l’Assistant Google Home) vous aidant avec vos t\u00e2ches quotidiennes et appareils m\u00e9nagers connect\u00e9s<\/a>. Ce d\u00e9ploiement \u00e0 grande \u00e9chelle des technologies de traitement du langage naturel est notamment d\u00fb au d\u00e9veloppement important des syst\u00e8mes d\u2019intelligence artificielle.<\/p>\n\n\n\n Aujourd\u2019hui les technologies de retranscriptions audio \u00e0 l’\u00e9crit (Speech to Text) r\u00e9alis\u00e9es par un syst\u00e8me d\u2019IA offrent des performances tr\u00e8s satisfaisantes et sont utilis\u00e9es dans de nombreuses industries. Ainsi, par exemple, le personnel m\u00e9dical utilise ces outils de dict\u00e9e vocale pour retranscrire leurs notes. Ces outils de retranscription automatique de la parole sont aussi utilis\u00e9s quotidiennement par des milliers d\u2019internautes effectuant des saisie vocale Google pour leurs recherches. Par ailleurs, Google a r\u00e9v\u00e9l\u00e9 que 20% des recherches sur Android Google App sont d\u00e9sormais vocales1<\/a><\/sup>. Et la tendance est en essor.<\/p>\n\n\n\n Cependant, s\u2019il est facile de traduire une suite de sons en une suite de mot, faire comprendre le sens d\u2019une phrase \u00e0 un syst\u00e8me d\u2019IA est un tout autre d\u00e9fi. Et sur ce point des travaux sont encore n\u00e9cessaires. Pendant pr\u00e8s de 50 ans, les chercheurs se sont attel\u00e9s \u00e0 construire des algorithmes informatiques capables de comprendre s\u00e9mantiquement le langage humain en temps r\u00e9el. Dans les ann\u00e9es 2000, un bond de g\u00e9ant \u00e0 \u00e9t\u00e9 franchi gr\u00e2ce \u00e0 l\u2019utilisation des r\u00e9seaux de neurones. Ces syst\u00e8mes d\u2019IA dis connexionnistes ont r\u00e9volutionn\u00e9 le traitement du langage. Si le premier logiciel de dict\u00e9e vocale a \u00e9t\u00e9 lanc\u00e9 en 1997 par la soci\u00e9t\u00e9 Dragon, il aura fallu attendre 2011, avec la sortie de l’application SIRI utilisant un Deep Neural Network (DNN), pour que le grand public puisse profiter des fonctionnalit\u00e9s de traitement automatique des langues en temps r\u00e9el2<\/a><\/sup>.<\/p>\n\n\n\n Pour comprendre il faut dans un premier temps distinguer le Traitement du Langage Naturel (TLN) et la Compr\u00e9hension du Langage Naturel (CLN). Le TLN permet \u00e0 une machine de comprendre grammaticalement ce que dit un Homme tandis que le CLN fournit une compr\u00e9hension s\u00e9mantique d\u2019un \u00e9change conversationnel entre un Homme et une machine. La compr\u00e9hension du sens des mots et de leur intention par une machine reste encore un d\u00e9fi pour les chercheurs. Les erreurs de reconnaissance et de traitement s\u00e9mantique de texte sont encore nombreuses.<\/p>\n\n\n\n Par exemple, lorsqu\u2019un individu \u00e9coute de la musique sur une enceinte Google Home et qu\u2019il lui dicte l\u2019ordre :\u201cOk Google, change !\u201d, l\u2019enceinte connect\u00e9e au lieu de changer la musique, l\u2019informera sur les bureaux de change \u00e0 proximit\u00e9 de sa localisation. Dans cet exemple, le syst\u00e8me d\u2019IA de l\u2019enceinte a su trouver chaque mot qui a \u00e9t\u00e9 prononc\u00e9 mais a \u00e9chou\u00e9 \u00e0 les interpr\u00e9ter s\u00e9mantiquement. Ainsi; comme nous avions pu en parler dans notre article \u201cL\u2019IA: de de la diff\u00e9rence entre apprendre et g\u00e9n\u00e9raliser\u201d<\/a>, l\u2019IA n\u2019est pas r\u00e9ellement intelligente puisqu\u2019elle se contente d\u2019ob\u00e9ir \u00e0 des r\u00e8gles pr\u00e9d\u00e9finies.<\/p>\n\n\n\n La compr\u00e9hension s\u00e9mantique du langage humain par une machine est tr\u00e8s complexe et peut \u00eatre influenc\u00e9e par de nombreux facteurs. En effet, que ce soit la structure grammaticale (parfois incorrecte), les r\u00e9p\u00e9titions de mots lors de moments d\u2019h\u00e9sitations ou dans le but de souligner son propos: les variations de structure de phrase sont presque sans fin. A cela, il faut ajouter que la signification d\u2019une interaction peut varier selon le contexte et qu\u2019ainsi, par exemple, le second degr\u00e9 ou l\u2019ironie restent encore difficilement d\u00e9tectables et interpr\u00e9tables par des syst\u00e8mes d\u2019IA.<\/p>\n\n\n\n Les premi\u00e8res m\u00e9thodes de NLP reposaient sur une approche symbolique d\u00e9velopp\u00e9e sous l\u2019impulsion de Noam Chomsky \u00e0 la fin des ann\u00e9es 603<\/a><\/sup>. L\u2019IA symbolique s’est alors appuy\u00e9e sur la logique, ou des ontologies pour mod\u00e9liser la connaissance et r\u00e9aliser des t\u00e2ches de NLP4<\/a><\/sup>. Ainsi, la connaissance linguistique \u00e9tait cod\u00e9e manuellement sous la forme d\u2019un algorithme regroupant un ensemble de r\u00e8gles grammaticales et de bases de donn\u00e9es lexicales.<\/p>\n\n\n\n A partir des ann\u00e9es 1990, \u00e9merge une approche dite statistique dans l\u2019univers de l\u2019intelligence artificielle appliqu\u00e9e au NLP. Les technologies des syst\u00e8mes d\u2019IA connexionnistes font leur arriv\u00e9e \u00e0 travers l\u2019apparition du Machine Learning comprenant les r\u00e9seaux de neurones et les machines \u00e0 vecteurs de support. L’IA connexionniste est un algorithme d\u2019intelligence artificielle qui cherche \u00e0 s\u2019inspirer du vivant pour mod\u00e9liser le comportement. Ainsi les syst\u00e8mes d\u2019IA employant des r\u00e9seaux neuronaux convolutifs (RNC) s\u2019inspirent sch\u00e9matiquement du fonctionnement du cerveau biologique pour le traitement des images5<\/a><\/sup>.<\/p>\n\n\n\n Les r\u00e9seaux de neurones ont d\u00e9montr\u00e9 leur capacit\u00e9 \u00e0 passer \u00e0 l’\u00e9chelle sur des t\u00e2ches de Speech to Text, par rapport aux mod\u00e8les traditionnels d’apprentissage automatique comme les mod\u00e8les cach\u00e9s de Markov ou la r\u00e9gression logistique6<\/a><\/sup>. Cependant, les syst\u00e8mes d\u2019IA connexionnistes ont aussi leurs propres limites dans l\u2019accomplissement de certaines t\u00e2ches visant \u00e0 s\u00e9mantiquement comprendre et \u00e9tablir un \u00e9change conversationnel homme-machine7<\/a><\/sup>. <\/p>\n\n\n\n En effet, bien que plus performantes que les IA symboliques pour g\u00e9n\u00e9raliser leur comportement en situation r\u00e9elle. Elles ne permettent pas en outre de mod\u00e9liser des raisonnements et de construire une compr\u00e9hension du contexte auquel elles sont confront\u00e9es.<\/p>\n\n\n\n Une interaction entre IA symbolique et IA connexionniste pourrait permettre d\u2019effectuer de mani\u00e8re plus pr\u00e9cise des t\u00e2ches plus complexes touchant \u00e0 la s\u00e9mantique du traitement du langage naturel. Si l\u2019IA symbolique est plus apte \u00e0 mod\u00e9liser le raisonnement, elle a des difficult\u00e9s pour fonctionner dans un environnement r\u00e9el avec des perturbations ou de l\u2019incertitude du fait de son manque de robustesse. En effet, il est probablement impossible de caract\u00e9riser manuellement un domaine d\u2019emploi comprenant l\u2019ensemble des situations auxquelles le syst\u00e8me d\u2019IA pourrait \u00eatre confront\u00e9 lors d’\u00e9changes conversationnels. M\u00eame si la longueur de chaque phrase est g\u00e9n\u00e9ralement courte, le nombre de textes possibles peut rapidement devenir trop large.<\/p>\n\n\n\n L\u2019IA connexionniste pourrait alors venir compl\u00e9ter l\u2019IA symbolique, en y apportant sa capacit\u00e9 \u00e0 g\u00e9n\u00e9raliser en condition r\u00e9elle. En effet, l\u2019IA connexionniste s’entra\u00eene et apprend \u00e0 g\u00e9n\u00e9raliser \u00e0 partir d\u2019une vaste quantit\u00e9 de donn\u00e9es qui illustre des situations r\u00e9elles qu\u2019elle aura \u00e0 traiter. Ainsi pour r\u00e9aliser des t\u00e2ches de traitement automatique du langage naturel, les ing\u00e9nieurs fournissent \u00e0 leurs syst\u00e8mes d\u2019IA connexionnistes des donn\u00e9es contenant des fichiers audio de conversations. Lorsque le syst\u00e8me d\u2019IA connexionniste est face \u00e0 une situation devant laquelle il n\u2019a jamais \u00e9t\u00e9 confront\u00e9, il s\u2019appuiera sur la situation la plus similaire qu\u2019il conna\u00eet gr\u00e2ce \u00e0 sa base d’entra\u00eenement pour extrapoler une r\u00e9ponse face \u00e0 la situation m\u00e9connue.<\/p>\n\n\n\n Cependant aujourd\u2019hui, l\u2019IA connexionniste est confront\u00e9e \u00e0 deux d\u00e9fis que l\u2019IA symbolique peut relever. Premi\u00e8rement, elle n\u2019est pas en capacit\u00e9 de mobiliser un raisonnement contrairement \u00e0 l\u2019IA symbolique. Ensuite, l\u2019IA connexionniste reste encore tr\u00e8s complexe \u00e0 caract\u00e9riser, en effet, elle est capable d\u2019aboutir \u00e0 des r\u00e9sultats pertinents gr\u00e2ce \u00e0 des mod\u00e8les statistiques sans pour autant comprendre le concept symbolique de ces derniers.<\/p>\n\n\n\n En croisant ces deux approches, les chercheurs essayent de tirer parti du meilleur de ces deux types d\u2019IA, en d\u00e9veloppant un syst\u00e8me d\u2019IA hybride construit autour d\u2019un processus d’apprentissage contextuel. Ainsi le syst\u00e8me pourrait \u00eatre en capacit\u00e9 de g\u00e9n\u00e9raliser en apprenant comment le mod\u00e8le devrait \u00eatre structur\u00e9 en fonction de ce qu\u2019il per\u00e7oit d\u2019une situation r\u00e9elle (IA connexionniste). Mais le syst\u00e8me disposerait aussi de la capacit\u00e9 \u00e0 mobiliser du raisonnement (l\u2019IA symbolique) \u00e0 partir de ce que le syst\u00e8me a per\u00e7u dans le but de prendre la d\u00e9cision la plus adapt\u00e9e \u00e0 la situation8<\/a><\/sup>.<\/p>\n\n\n Les assistants vocaux sont devenus en quelques ann\u00e9es des objets de notre quotidien. Il est tr\u00e8s probable qu\u2019un assistant vocal soit de mani\u00e8re permanente en votre compagnie. Et cela, que ce soit \u00e0 travers les objets connect\u00e9es tels que les enceintes connect\u00e9es (Alexa d’ Amazon, Google Home) ou via votre smartphone disposant d\u2019un assistant personnel […]<\/p>\n","protected":false},"author":8,"featured_media":7082,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_seopress_robots_primary_cat":"none","_seopress_titles_title":"","_seopress_titles_desc":"","_seopress_robots_index":"","footnotes":"[{\"content\":\"\u00c9tude sur la recherche vocale : facteurs de ranking en 2019<\/a>\",\"id\":\"e689d4ed-c20e-45ed-81fd-8bd598cebf62\"},{\"content\":\"Hey Siri: An On-device DNN-powered Voice Trigger for Apple\u2019s Personal Assistant - Apple Machine Learning Research<\/a>\",\"id\":\"095fc260-5aed-458e-b6e0-833f571f1a19\"},{\"content\":\"Intelligence artificielle et langage, le nouvel essor du NLP - Leihia, le bon job, au bon moment, dans la bonne entreprise<\/a>\",\"id\":\"08bb4e0d-555f-44b0-9f17-bcd88cb817c0\"},{\"content\":\"Pour une culture critique de l\u2019IA | Cairn.info<\/a>\",\"id\":\"21022719-4e00-467b-b390-81f6fc49e5fc\"},{\"content\":\"Application \u00e0 la reconnaissance vocale et de caract\u00e8re - intelligenceartificielle.com<\/a>\",\"id\":\"21ce6d72-3771-49f5-b87b-97c7846d102a\"},{\"content\":\"Deep Learning for NLP: An Overview of Recent Trends | by elvis | DAIR.AI | Medium<\/a>\",\"id\":\"3bcd0f81-4d93-46d0-99cd-6fd890eac80a\"},{\"content\":\"Intelligence Artificielle : quelle diff\u00e9rence entre NLP et NLU ? | LeMagIT<\/a>\",\"id\":\"c9039ef9-c51e-4bea-814b-0ddb2d28632f\"},{\"content\":\"A DARPA Perspective on Artificial Intelligence<\/a>\",\"id\":\"245d4475-95ad-4588-81af-a57d5ae112c5\"}]"},"categories":[142],"tags":[154,186],"class_list":["post-7078","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ia-et-societe","tag-traitement-automatique-langage-naturel","tag-semantique"],"acf":[],"_links":{"self":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts\/7078","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/comments?post=7078"}],"version-history":[{"count":0,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/posts\/7078\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/media\/7082"}],"wp:attachment":[{"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/media?parent=7078"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/categories?post=7078"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/numalis.com\/fr\/wp-json\/wp\/v2\/tags?post=7078"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Qu\u2019est ce que le traitement automatique du langage naturel (TALN) ?<\/h2>\n\n\n\n
Il y a comprendre et comprendre<\/h2>\n\n\n\n
Qu\u2019est ce qui rend le traitement du langage difficile ?<\/h2>\n\n\n\n
Qu\u2019est ce que l’IA symboliques et connexionnistes ?<\/h2>\n\n\n\n
Les IA symboliques<\/h3>\n\n\n\n
Les IA connexionnistes pour le NLP<\/h3>\n\n\n\n
Vers une IA hybride pour am\u00e9liorer la compr\u00e9hension s\u00e9mantique ?<\/h2>\n\n\n\n
Le d\u00e9ploiement des IA connexionnistes a donn\u00e9 un souffle nouveau au traitement du langage. <\/p>\n\n\n\n