L’intelligence artificielle et la communication humain-machine

L’intelligence artificielle (IA) te fait-elle penser à un film dans lequel des robots prennent le contrôle? Si c’est le cas, tu penses peut-être que l’IA est une technologie du futur. Mais l’IA est au contraire déjà utilisée dans de nombreux domaines de ta vie. Dans ce document d’information, nous explorerons quelques outils développés grâce à l’IA. Mais avant d’aller plus loin, il est important que tu saches ce qu’est l’apprentissage machine. Si tu n’as pas lu le document d’information Introduction à l’apprentissage machine, tu devrais le faire maintenant. La plupart des applications (applis) dont nous allons parler font appel à l’apprentissage machine.

Traitement automatique du langage naturel

As-tu déjà utilisé un moteur de recherche? Ou utilisé la correction automatique pour repérer tes fautes d’orthographe? Si tu réponds oui, tu as utilisé une application qui fait appel au traitement automatique du langage naturel (TALN). Le langage naturel est le langage parlé et écrit utilisé par les humains pour communiquer entre eux.

Prétraitement

Voici un exemple de texte avant le prétraitement :

La journée ensoleillée nous a rempli de joie, et nous avons joué à des jeux dans le parc. Même les nuages sombres n’ont pas étouffé le plaisir. C’était une journée dont nous nous souviendrons toujours et qui nous a accroché un très grand sourire!

Exemple de texte après le prétraitement :

« journée ensoleillée nous a remplis joie joué jeux parc même nuages sombres pas étouffé plaisir journée souviendrons toujours accroché très grand sourire »

Analyse de texte

La plupart des dictionnaires d’analyse des sentiments notent les mots en fonction de leur caractère positif ou négatif.

Par exemple, si nous appliquons un dictionnaire d’analyse des sentiments à notre ensemble d’unités lexicales précédentes :

« journée ensoleillée nous a remplis joie joué jeux parc même nuages sombres pas étouffé plaisir journée souviendrons toujours accroché très grand sourire »

Il te fournira un ensemble de mots et attribuera des notes. Tu trouveras ci-dessous les notes de notre paragraphe d’exemple. Tout mot non répertorié dans le tableau obtient une note de sentiment de 0.

Mot	Négatif	Positif
Ensoleillée		1
Joie		1
Sombre	1
Nuages	1
Étouffé	1
Plaisir		1
Sourire		1

Ce paragraphe aurait une note positive de 4 et une note négative de 3. Le TALN utilise généralement de grandes quantités de texte dans son analyse, et ceci serait un morceau de données dans un grand ensemble. La machine utiliserait ce paragraphe comme exemple de paragraphe plutôt neutre.

Le savais-tu?

D’autres dictionnaires décomposent encore plus l’analyse des sentiments. Un exemple est le lexique canadien des sentiments et des émotions du CNRC qui utilise huit groupes d’émotions.

Caractéristiques d’extraction

Si nous imaginons que notre paragraphe d’exemple n’est qu’un des nombreux paragraphes d’une histoire, notre matrice documents-termes pourrait ressembler à ceci :

Document	Caractéristique (positive)	Caractéristique (négative)
Paragraphe 1 (notre exemple ci-dessus)	4	3
Paragraphe 2	2	8
Paragraphe 3	6	1

Dans l’ensemble structuré de données ci-dessus, la colonne positive est une caractéristique, et la colonne négative est une deuxième caractéristique. Les notes individuelles, comme le 4 de la colonne positive du paragraphe 1, sont appelées des vecteurs.

Un modèle d’apprentissage machine pour cet ensemble de données peut alors regrouper les paragraphes en fonction de leurs caractéristiques. Un modèle de classification pourrait créer trois catégories. Une catégorie concernerait les paragraphes très positifs, comme le paragraphe 3. Une autre concernerait les paragraphes très négatifs, comme le paragraphe 2. Et la dernière concernerait les paragraphes plus neutres, comme le paragraphe 1.

Un modèle génératif d’apprentissage machine, comme ChatGPT utiliserait alors ces catégories comme exemples. Si on lui demandait de produire un texte positif, il utiliserait les paragraphes très positifs comme guide pour y parvenir. Bien entendu, un moteur comme GPT-3.5, qui alimente ChatGPT, utilise de nombreuses caractéristiques pour créer un texte. Mais cela te donne une idée simplifiée de son fonctionnement.

Le TALN est utilisé pour :

• La classification des textes, comme l’organisation des réponses aux requêtes en catégories et la détection des éléments indésirables;
• La génération de texte, comme demander aux robots conversationnels de construire des phrases en prédisant quel mot suivra chaque mot généré;
• La traduction, comme l’application DeepL, qui utilise des modèles prédictifs d’apprentissage machine pour traduire un texte d’une langue à l’autre; et,
• Le résumé, qui consiste à prendre de longs morceaux de texte et à créer de courts résumés, en examinant les mots dans leur contexte.

Robots conversationnels

Les robots conversationnels sont l’une des nombreuses applications qui s’appuient sur le TALN. Le terme « robot conversationnel » vient des mots « robot » et « conversation ». Mais il n’est pas question de robots mécaniques dans ce cas-ci. Les robots conversationnels sont des programmes logiciels.

Les robots conversationnels sont des applications que tu peux trouver sur le Web. De nombreuses entreprises utilisent les robots conversationnels pour leur service à la clientèle. Il peut t’arriver d’en voir un apparaître quand tu visites un site Web. Les robots conversationnels sont souvent le premier point de contact avec une entreprise sur son site Web ou ses canaux de médias sociaux. Ils essaient de répondre aux questions des gens sans devoir les mettre en attente pour parler à un agent humain. Ils doivent donc être capables de comprendre la question du client ou de la cliente et de donner la meilleure réponse possible. De nombreux robots conversationnels de base ont un ensemble prédéfini de questions et de réponses. Souvent, on te demande de choisir parmi une liste de questions et de réponses lorsque tu interagis avec ces robots conversationnels. Les moyens dont ils disposent pour offrir de l’aide sont limités. Certains robots conversationnels sont cependant plus sophistiqués. Ils te permettent de taper ta question comme tu la poserais normalement. C’est là qu’intervient le traitement automatique du langage naturel.

Image - Version texte

Voici une photo en couleur de mains tapant sur un ordinateur portable. Des bulles de texte flottent en avant-plan.

Un nuage de bulles de texte translucides occupe le centre de l’image. La plus grande bulle indique « Bonjour ». À côté de cette bulle, on retrouve une image d’une tête ronde avec deux antennes, portant un casque d’écoute avec un micro. Le reste des bulles sont de tailles différentes et contiennent trois petits points (« ... »), indiquant que des réponses sont en cours de rédaction. Quelques picots orange sont disséminés parmi les bulles.

Les mains de la personne sont posées sur le clavier. Le bras et la poitrine de la personne sont visibles en arrière-plan.

Le traitement automatique du langage naturel permet aux robots conversationnels de comprendre différentes manières de demander une même chose. Cela peut te sembler facile, mais c’est une tâche difficile pour un ordinateur. Pense à toutes les manières dont une personne peut demander : « quel temps fera-t-il aujourd’hui? ». Une personne pourrait dire : « Ai-je besoin d’un parapluie? » ou « Quelle est la météo dehors? » ou encore « Fera-t-il chaud aujourd’hui? ». Les modèles de langage naturel peuvent regrouper les questions en fonction de l’intention du client ou de la cliente. De cette façon, l’entreprise peut former un robot conversationnel à répondre à différentes intentions, plutôt qu’à des questions précisément formulées.

Le TALN peut même aider des entreprises à comprendre comment les clients et les clientes se sentent en fonction de ce qu’ils et elles écrivent. Par exemple, si une personne utilise des mots associés à la colère, le robot conversationnel peut transférer tout de suite l’appel à une personne!

Le TALN ne peut comprendre que les mots d’une personne. Les systèmes plus complexes utilisent aussi d’autres informations provenant de la parole, comme le ton de la voix. Un système qui analyse le ton de la voix peut reconnaître si une personne semble fâchée, triste ou contente. La combinaison du TALN et de la RAP nous rapproche du jour où les ordinateurs pourront comprendre les humains.

ChatGPT

À l’heure actuelle, le robot conversationnel utilisant le TALN le plus connu est probablement ChatGPT. Il a été conçu par OpenAI et est basé sur leur moteur GPT 3.5. ChatGPT est conçu pour générer un texte qui semble, à première vue, avoir été écrit par une personne. Comme tous les robots conversationnels, il peut engager une conversation avec un utilisateur humain. La différence est qu’il peut comprendre et répondre à un éventail de données beaucoup plus large qu’un robot conversationnel typique. ChatGPT peut générer des idées, aider à modifier le langage pour l’adapter à un certain public, ou travailler avec les gens pour réparer un code informatique. Il a été formé à l’aide d’une énorme quantité de textes provenant d’Internet. ChatGPT peut générer des réponses avec le bon contexte et fournir des détails supplémentaires si on le lui demande.

Outils de recherche

Le TALN est un outil essentiel pour les moteurs de recherche et les moteurs de recommandation. Les outils de recherche Web essaient de trouver l’information la plus pertinente en fonction de ce que tu cherches. Pour cela, ils doivent comprendre ce que contiennent les nombreuses pages Web différentes qu’ils peuvent suggérer. C’est-à-dire qu’ils doivent analyser le texte des articles de presse, des blogues et même le langage des vidéos. Le TALN recherche des mots-clés et des phrases précises pour aider les moteurs de recherche à trouver ce que tu cherches.

Filtres à pourriels

Le TALN est aussi utilisé dans les filtres à pourriels (spam). Le TALN aide à détecter les modèles que l’on trouve couramment dans les pourriels. Il peut aider les filtres à mieux repérer ces courriels et à les rediriger.

Image - Version texte

Voici une illustration en couleur d’un ordinateur portable, d’un symbole d’avertissement, d’une loupe et d’une icône de courriel.

En bas à gauche, devant le clavier, on retrouve un triangle rose vif avec un point d’exclamation au centre. L’écran de l’ordinateur portable est encombré d’une pile d’enveloppes et de papiers de couleurs vives. En avant-plan, une enveloppe orange est ouverte, et un long rouleau de papier s’étend derrière elle. Une loupe placée sur le message révèle le mot « Spam ». En haut de l’image, une ligne rose pointillée part du papier et mène à un rectangle bleu contenant plusieurs renseignements.

Résumer un texte

Le TALN peut également être utile pour résumer des documents longs ou compliqués. Par exemple, la recherche scientifique est généralement communiquée dans des articles scientifiques qui sont parfois difficiles à lire.

Les outils de TALN peuvent créer de courts résumés de ces articles scientifiques. Ainsi, les scientifiques peuvent trouver et lire les articles les plus pertinents pour leur travail. Les cabinets juridiques utilisent aussi des outils de TALN pour résumer des documents juridiques. Les outils de TALN permettent de trouver rapidement des informations comme des dates, des noms et l’issue d’un procès.

Reconnaissance automatique de la parole

La reconnaissance automatique de la parole (RAP) utilise également le TALN. Elle permet de convertir des fichiers audios en texte. Parler à un robot conversationnel au téléphone, dicter un message texte à ton ami, ou parler à un assistant virtuel comme Alexa ou Siri sont des exemples de RAP. Les outils de recherche sur le Web utilisent aussi la reconnaissance automatique de la parole pour transcrire les vidéos et les fichiers audio comme les balados.

Parmi les applications de reconnaissance automatique de la parole, les plus populaires sont les assistants virtuels intelligents. Siri d’Apple, Cortana de Microsoft, Alexa d’Amazon et l’assistant de Google en sont des exemples. Les assistants virtuels sont des robots conversationnels plus sophistiqués. Leurs performances en TALN et en RAP sont bien plus avancées. Les assistants virtuels peuvent aussi effectuer d’autres types de tâches. Ils peuvent faire jouer de la musique, trouver un document ou rechercher un itinéraire.

Image - Version texte

Voici une illustration en couleur d’un grand haut-parleur intelligent et de personnes marchant autour.

Le haut-parleur est un cylindre gris ayant une base arrondie et un sommet plat. Il comporte une grille de petits trous et un symbole de microphone blanc sur le devant. Les personnes font à peu près la moitié de la taille du haut-parleur. Deux d’entre elles tiennent un téléphone intelligent, une autre tape sur un ordinateur portable et une autre tend la main vers le symbole de microphone. Au-dessus du haut-parleur, une arche gris pâle présente sept icônes : un crochet de sécurité, une carte SIM, un symbole Wi-Fi, un cadenas, deux bulles contenant trois petits points, un symbole de localisation et un symbole de téléphone. En arrière-plan, quelques nuages gris clair sont éparpillés dans un ciel vert.

Le savais-tu?

Les premiers assistants virtuels avaient des voix de femme. Afin de donner suite aux commentaires reçus de la part des utilisateurs et utilisatrices, certains services offrent maintenant le choix entre une voix d’homme ou de femme. Mais la meilleure solution pourrait être une voix non genrée, comme celle de Q, l’assistant virtuel intelligent.

Tu trouves probablement très pratique d’avoir un assistant personnel, mais il ne vient pas sans inconvénient. Pour qu’il soit prêt à te répondre, il doit t’écouter en tout temps. C’est un risque pour la vie privée. Toutefois, le risque peut être atténué en ajustant quelques paramètres. Fais preuve de jugement avec tes appareils intelligents, et fais attention à ce que tu dis et fais autour d’eux!

Traduction

Le TALN a permis des percées dans le monde des communications multilingues. Les logiciels de traduction automatique sur le Web sont accessibles à toute personne qui dispose d’une connexion Internet. Ensemble, la reconnaissance automatique de la parole et le TALN permettent à des personnes parlant des langues différentes de communiquer en temps réel.

Accessibilité

Le TALN contribue à éliminer les barrières linguistiques pour les personnes ayant une incapacité. Les personnes qui ont une perte auditive peuvent accéder plus facilement aux sous-titrages des contenus vidéo enregistrés et en direct. Il existe des applications d’IA (en anglais) qui permettent aux personnes sourdes de « voir » les sons.

En combinant cette technologie à la vision par ordinateur, il existe un système capable de transformer la langue des signes en parole (en anglais)!

Que nous réserve l’avenir?

Le TALN est une technologie qui évolue très rapidement. En fait, nous avons déjà dû réviser cet article une fois en raison de toutes les avancées de l’IA. De plus en plus d’entreprises trouvent des moyens de l’utiliser.

Les soins de santé constituent un domaine où le TALN peut être utile. Le TALN peut faire gagner du temps aux médecins en posant des questions de base aux patients et patientes avant leur rendez-vous. De tels outils pourraient s’avérer très utiles dans les régions éloignées où la population n’a pas toujours accès à des médecins. Les robots commencent aussi à être utilisés pour s’occuper des gens, comme les personnes âgées. Le TALN peut aider ces robots à mieux comprendre les personnes auprès de qui ils sont utilisés. De plus, le TALN est aussi un outil utile pour évaluer la santé mentale d’une personne.

En conclusion, la prochaine fois que tu feras une recherche en ligne ou que tu parleras à un robot conversationnel, tu sauras que cette conversation serait impossible sans l’intelligence artificielle et l’apprentissage machine.

Parlons sciences remercie la consultante en technologie Melissa Valdez de AI & Quantum pour sa contribution à la révision de ce document d’information.