Le traitement automatique des langues - Comprendre les textes grâce à l'intelligence artificielle Comprendre les textes grâce à l'intelligence artificielle Coll. InfoPro

Le traitement automatique du langage est une branche importante de l'intelligence artificielle et du machine learning dont l'objectif est de parvenir à "comprendre" et analyser des textes afin d'en extraire des connaissances sans intervention humaine. Les champs d'application sont à la fois très variés et très vastes (traduction instantanée en plusieurs langues, commandes vocales, agents conversationnels, analyse de CV, veille économique...).
Cet ouvrage dresse un état de l'art de cette discipline, en explique les bases théoriques et informatiques, les approches linguistiques classiques et les approches statistiques plus modernes.
L'exemple de l'analyse des suggestions rassemblées lors du Grand débat national à l'aide de ces méthodes d'IA sert d'illustration.

Révolutions industrielles et révolutions numériques. Intelligences humaines et intelligences artificielles. Comprendre le langage humain. Cas d'usages et retours d'expériences. Expériences en RH. Analyse de documents juridiques; Agents conversationnels. Intelligence artificielle "classique". Big data et algorithmes. Systèmes symboliques. Gestion des connaissances. Raisonnement et inférences. Apprentissages supervisés et non supervisés. Apprentissage profond. Apprentissage par transfert. Apprentissage par renforcement. Réseaux de neurones. Biais d'apprentissage. Analyse sémantique. Tâches de traitement du langage. Dépasser la barrière des langues. Mesurer la qualité d'un analyseur sémantique. Enjeux éthiques. Annexe : Exemple de mise en oeuvre sur le Grand débat national (analyse des verbatim).

Ingénieur en informatique et docteur en linguistique théorique. Fondateur de Proxem, société spécialisée dans l'analyse sémantique. Enseignant pour le MSc "Artificial Intelligence for Business Transformation".
Docteur en physique théorique reconverti dans l'IT depuis une quinzaine d'années il est aujourd'hui data scientist, directeur scientifique chez onepoint. Spécialiste du Machine Learning il s'intéresse actuellement au NLP (Natural Language Processing).