Allons plus loin sur le TALN

Dans un article précédent, nous avons vu que le traitement automatique du langage naturel (TALN), ou « Natural Language Processing » (NLP) en anglais, est le domaine de l’Intelligence Artificielle qui permet d’analyser et de comprendre le langage humain. En proie aux subtilités du verbatim, l’IA doit s’efforcer de considérer le contexte afin d’interpréter correctement la requête et exécuter l’action appropriée à titre de réponse. Comme le terme « automatique » l’indique, les avancées dans le domaine du Machine Learning permettent au TALN d’exercer un mimétisme sur les conversations passées afin d’en déduire les meilleures réponses pour les interactions à venir.

Mais, plus concrètement, que va changer le TALN dans le quotidien des entreprises ? Un des impacts majeurs se fera vraisemblablement ressentir dans notre rapport aux données, car avec le traitement du langage naturel, il n’y a plus besoin de posséder une expertise en data science pour explorer en profondeur les data. En route vers un futur proche dans lequel la business intelligence exploite le langage naturel de chaque collaborateur.

 dashboard langage naturel

 

L’adoption du TALN par la Business Intelligence

L’un des principaux enjeux de la business intelligence est de rendre l’usage de la data familier au sein d’une organisation, autrement dit de mettre chaque collaborateur en capacité de baser ses décisions quotidiennes sur des données actionnables. En effet, sans cette démocratisation de la data, les outils BI sont cloisonnés au sérail des data analysts et data scientists et restent donc très éloignés de l’utilisateur final. Or, c’est bien cet utilisateur final qui impacte les performances d’une entreprise : plus il est en situation de prendre des décisions rapides et pertinentes, plus l’entreprise est susceptible d’améliorer ses performances. La Business Intelligence l’a bien compris, une entreprise data driven est avant tout une organisation constituée de collaborateurs data driven, pour qui la donnée fait partie intégrante du quotidien et oriente les actions.

Or, le TALN aide à cette démocratisation de la donnée en rendant le rapport de l’utilisateur à la donnée plus simple et plus intuitif. Affranchi de la nécessité de coder une requête, l’utilisateur peut explorer des données sans connaissances informatiques. Accompagné par un assistant virtuel, l’utilisateur peut interpréter des données sans connaissances statistiques. Autrement dit, le TALN permet de décomplexer l’utilisateur face à la data.

 

dashboard data langage naturel

 

Oui, mais quand ? Et bien nous y sommes déjà. L’une des tendances forte de l’analyse de données est l’analytique augmentée ou « smart data discovery » qui permet d’automatiser la découverte de connaissances en combinant BI et IA – Business Intelligence et Intelligence Artificifielle. Or cette approche se base sur un apprentissage automatique qui est permis par le machine learning et le traitement naturel du langage.

Les avancées dans le domaine du Machine Learning permettent au TALN d’exercer un mimétisme sur les conversations passées afin d’en déduire de meilleures réponses pour les prochaines interactions. La conséquence est que les collaborateurs d’une entreprise comprennent mieux la data car se voient proposer des réponses de plus en plus pertinentes, des plus en plus fiables, … pour tout dire de plus en plus légitimes.

 

Reeport580x100mars2019-1

 

En effet le traitement automatique du langage permet de contextualiser les requêtes. Le TALN est utilisé pour soutenir des conversations analytiques écrites en tirant profit du contexte de la conversation pour comprendre les intentions de l’utilisateur. En s’appuyant sur la logique du dialogue, le système permet de comprendre des requêtes additionnelles à la question originale : la répétition n’y a plus sa place, et la conversation devient aussi naturelle qu’avec un humain. L’analytique n’est plus seulement réservée aux data scientists, elle s’intègre au cœur du workflow des collaborateurs d’une entreprise pour faciliter l’extraction de données pertinentes ou pour proposer une alternative à une requête complexe. 

Traitement du langage naturel et dashboards

Le TALN a également une place auprès de l’utilisateur final sous la forme d’assistants virtuels qui l’accompagnent lors de la visualisation des données d’un dashboard ou d’un reporting.

Aussi bien pensé soit-il, un dashboard est un agrégat qui reflète une situation à un instant donné, donc filtre les informations pour se concentrer sur un périmètre donné. Or l’utilisateur final a parfois besoin d’élargir ce périmètre pour mieux comprendre les données présentées soit en explorant les données qui constituent les agrégats (il a donc besoin de creuser dans les données), soit en les enrichissant de données complémentaires (il a donc besoin de contextualiser les données), soit en projetant l’impact de la situation actuelle sur les performances à venir (il a donc besoin de prédire les données). Autant d’actions qui nécessitent une expertise data que la plupart des utilisateurs finaux n’ont pas … mais qui pourraient être prises en charge par des assistants virtuels.

 

dashboard langage naturel

 

De ce point de vue, le TALN ouvre la porte à une humanisation de la data, exploitée en libre-service grâce à des assistants virtuels qui rendent les données plus intelligibles par leurs utilisateurs, à tout niveau de l’entreprise. Rendu autonome, l’utilisateur final est réellement mis en position de prendre des décisions meilleures, plus rapidement, à partir d’un dashboard qui devient un simple point de départ explorable à souhait. 

 Pour en savoir plus : 

 

Banner-V8-1

 

 

Écrit par Justine Pichot & Tomasz Stachorko le 5 March 2019.

A propos de l'auteur

Co-creative team evolving in a co-creative space to make something new together,

Articles que vous pourriez aimer