Être humain

Le traitement du langage naturel aide les entreprises à se centrer davantage sur l’humain

Elly Yates-Roberts
14 March 2022

5 minutes

Les organisations modernes génèrent d'énormes quantités de données issues d'êtres humains (clients, salariés, fournisseurs...), et ce, sous de multiples formes. L'obtention d'une vue équilibrée sur tout ce que cela signifie exige une puissance de traitement supérieure à celle que les humains peuvent gérer, mais aussi de saisir des nuances qui jusqu'à présent échappaient aux ordinateurs. C'est ce fossé que le traitement du langage naturel promet enfin de combler.

Ce sont généralement les plus grands soutiens mais aussi les plus grands destructeurs d'une organisation qui influencent le plus la prise de décisions. Pourquoi ? Parce qu'avec trop de commentaires à traiter, l'homme a tendance à écouter davantage ceux qui parlent le plus, ou le plus fort.

Même dans les entreprises relativement petites, les quantités de données humaines peuvent être considérables, et sous de multiples formes : conversations téléphoniques, réseaux sociaux, résultats d'enquêtes, journaux d'incidents, caractéristiques des produits et demandes de devis. L'analyse de ces données devrait permettre d'avoir une vision équilibrée de l'avis de toutes les parties prenantes, afin que les entreprises cernent plus rapidement les besoins des clients et les tendances du secteur, et puissent ainsi orienter le développement de nouveaux produits, améliorer les opérations, minimiser les risques et accélérer la recherche et le développement. Mais le langage humain n'est pas binaire et les ordinateurs ne sont pas au fait de ses nuances.

Le traitement du langage naturel (NLP), qui est une branche de l’intelligence artificielle (AI) dédiée à la conversion du langage humain en code binaire pour les moteurs de recherche, les services de traduction et les assistants vocaux, promet de résoudre ce dilemme. Après des dizaines d'années de développement et avec des milliards de mots écrits par des humains appris, le NLP a progressé, au point d'être prêt pour une étape particulièrement délicate : la communication d'entreprise.

« En croisant les mathématiques avec l'informatique et la linguistique, on peut apprendre aux ordinateurs à comprendre les langues humaines », rapporte François-Régis Chaumartin, fondateur et vice-président de la science des données pour l’éditeur de logiciels de NLPProxem, qui fait désormais partie de Dassault Systèmes. « Grâce au NLP, nous pouvons créer un monde multidimensionnel dans lequel chaque mot est associé à un vecteur. Ensuite, nous appliquons des principes mathématiques à ces vecteurs. Par exemple, si l'on prend le vecteur “roi” et que l'on enlève “homme” pour le remplacer par “femme”, on obtient quelque chose de très proche du vecteur “reine”. Le NLP rend le langage calculable, pour que les mots puissent être traités comme des concepts mathématiques. »

PLUS DE SATISFACTION

Fortune Business Insights évalue le marché mondial du NLP à 14,04 milliards d'euros en 2021 et 108,09 milliards d'euros d’ici 2028.

À mesure que ces technologies évoluent, elles permettent une communication efficace entre l'homme et la machine, et centrent davantage la prise de décision sur les besoins et les désirs des humains.

Le fournisseur international d'énergie ENGIE compte plus de 24 millions de clients dans le monde. Chaque interaction avec un client se termine par un questionnaire pour générer un retour d'information.

« En croisant les mathématiques avec l'informatique et la linguistique, on peut apprendre aux ordinateurs à comprendre les langues humaines ».

François-Régis Chaumartin
Fondateur et vice-président de la science des données pour Proxem

« L'analyse de leurs commentaires est essentielle pour comprendre les raisons pour lesquelles un client est satisfait ou insatisfait, et agir pour rectifier le tir », explique Florence Bigeard, responsable études marketing, Expérience client chez ENGIE.

Grâce au déploiement d'un outil d'analyse sémantique utilisant l'intelligence artificielle et le NLP, ENGIE a pu identifier des signaux forts (un sujet dont tout le monde parle) mais aussi des « signaux faibles » qui auraient pu passer inaperçus. Ces signaux faibles pourraient à première vue sembler sans importance mais, mis bout à bout, ils peuvent former un modèle significatif. « Cette pratique nous aide à orienter la conception des nouveaux produits et à prévenir certains problèmes », indique Florence Bigeard.

Par exemple, le NLP a permis à ENGIE de découvrir rapidement l'irritation des clients au moment du déploiement des compteurs intelligents « Linky », qui envoient les données d'utilisation et reçoivent les instructions électroniquement. Les clients ne comprenaient pas pourquoi ils devaient payer des frais de mise en service alors que cette tâche était effectuée à distance, sans aucune visite d'un technicien au domicile.

Grâce au déploiement d'un outil d'analyse sémantique utilisant l'intelligence artificielle et le NLP, les entreprises peuvent identifier des signaux forts (un sujet dont tout le monde parle) mais aussi des « signaux faibles » qui auraient pu passer inaperçus. (image © NETVIBES)

« Il s'agit aussi de gérer le mécontentement avant qu'il ne prenne trop d'ampleur, en expliquant que ces coûts sont facturés par le distributeur [de services publics] », raconte Florence Bigeard. « Les clients qui se plaignent de payer ces frais sont peu nombreux, mais leur voix se fait vraiment entendre. »

Fort de ce succès, ENGIE prévoit de mettre en place de nouvelles sources d'information et d'analyser les données audio des conversations téléphoniques, en plus des échanges écrits. « Nous voulons également recueillir l'avis des clients sur les réseaux sociaux grâce à un suivi quotidien, et espérons mieux déceler leurs émotions après avoir interagi avec nous », annonce Florence Bigeard.

AMÉLIORER LES OPÉRATIONS

Une autre grande entreprise française du secteur de l'énergie, TotalEnergies, a largement recours au NLP, notamment pour améliorer la pertinence des résultats de recherche sur son site web et analyser la sécurité lors des pannes d'équipements sur ses sites industriels.

« Auparavant, les analyses étaient faites manuellement sur un tout petit échantillon de données », précise Pierre Jallais, responsable de l'innovation chez TotalEnergies. « Nous voulions nous servir du NLP pour analyser tous ces mini-rapports non structurés et vérifier si les équipements fonctionnent correctement. »

Le NLP a permis à TotalEnergies d'analyser près de 400 000 avis au sujet de pannes ou de rapports de maintenance, afin de calculer le taux d'échec de ses équipements et d’imaginer des stratégies pour y remédier.

TotalEnergies souhaite étendre l'utilisation de sa solution de NLP pour collecter toutes les informations liées aux pannes afin d'avoir une meilleure visibilité sur les coûts de maintenance, de créer des plans d'action pour les contrôles qualité, de comparer les performances des différents sites, d'identifier les meilleures pratiques et de revoir sa stratégie d'achat d'équipements.

« L'objectif est d'évaluer la qualité et la sécurité de nos équipements à grande échelle », affirme Pierre Jallais.

LA PROCHAINE ÉTAPE

Le NLP a su démontrer qu'il pouvait améliorer l'expérience des clients et garantir un niveau élevé de performance opérationnelle et de sécurité. Mais son potentiel va bien au-delà, surtout en l'associant à d'autres technologies, comme les jumeaux virtuels, qui présentent les données dans le contexte de modèles d'équipements 3D scientifiquement réalistes.

Le traitement du langage naturel peut créer un monde multidimensionnel dans lequel chaque mot est associé à un vecteur. Ensuite, nous appliquons des principes mathématiques à ces vecteurs. (image © NETVIBES)

Dans le domaine industriel, une prochaine étape pourrait consister à utiliser le NLP pour communiquer les contraintes de conception de produits physiques. Prenons l’exemple de la fabrication d'un avion, ces contraintes pourrait être un décollage en moins de 300 mètres ou un poids maximum de glace accumulée sur l'aile de 12 kilogrammes.

« Il est possible d'exprimer des milliers de contraintes dans un langage technique, mais aussi naturel », explique François-Régis Chaumartin. « En filtrant ces contraintes avec le NLP, la technologie peut commencer à produire des formules mathématiques équivalentes à l'expression du langage naturel. En d'autres termes, le NLP facilite le développement virtuel de produits physiques. »

François-Régis Chaumartin se dit « stupéfait » par les capacités linguistiques des ordinateurs équipés d'un NLP avancé. Il avoue même avoir parfois eu du mal à distinguer des textes générés par le NLP de ceux rédigés par des humains. « Attention, pour autant, ce n'est pas de l'intelligence », rappelle-t-il.

« Les possibilités du NLP sont incroyables, mais pour autant, la machine n'est pas douée d'intelligence : elle ne comprend pas le sens profond d'une phrase. C'est un très bon imposteur, mais qui fait juste semblant de comprendre. Les machines ne sont pas encore assez intelligentes pour comprendre le langage comme le font les humains. Cela reste du domaine des films de science-fiction », résume François-Régis Chaumartin.

En savoir plus sur le NLP

Lire l'avis d'un cadre du secteur sur le recours au NLP pour améliorer la science de l'information.

Autres resources

S'abonner

Abonnez-vous pour recevoir notre newsletter mensuelle