En technologies du langage, sur le modèle anglais, on appelle hétéronymes des mots de même orthographe mais de prononciation et de sens différents, qu’on nomme aussi homographes non homophones : « les poules couvent au couvent », ou « fils » (enfant) et « fils » (de laine). Ils compliquent la synthèse vocale, car seule l’analyse du contexte et de la nature grammaticale du mot permet de choisir la bonne prononciation.
Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.
Lancer la démoLa synthèse vocale (text-to-speech) transforme un texte écrit en parole ; c'est le pendant de la reconnaissance vocale (speech-to-text). Les systèmes actuels utilisent des réseaux de neurones pour produire des voix naturelles à l'intonation adaptée. On la retrouve dans les annonces téléphoniques, les GPS, les fonctions de lecture à voix haute pour l'accessibilité web ou les assistants vocaux.
L'étiquetage morphosyntaxique (part-of-speech tagging) attribue automatiquement à chaque mot d'une phrase sa catégorie grammaticale : nom, verbe, adjectif ou préposition. Comme beaucoup de mots sont ambigus (« ferme » comme nom, adjectif ou verbe), les méthodes tiennent compte du contexte de la phrase. C'est une étape classique de prétraitement pour l'analyse syntaxique, l'extraction d'informations ou la correction orthographique, proposée par des bibliothèques comme spaCy ou NLTK.
Le traitement du langage naturel (Natural Language Processing) est la branche de l'IA qui permet aux ordinateurs d'analyser, de comprendre et de produire le langage humain, écrit ou oral. Il couvre des tâches comme la traduction, la classification, le résumé, l'analyse de sentiment ou les systèmes de questions-réponses. Longtemps dominé par des règles et des méthodes statistiques, le domaine est aujourd'hui façonné par les grands modèles de langage.
La résolution de coréférences est une tâche de traitement automatique du langage qui consiste à repérer les expressions d'un texte désignant la même personne, chose ou situation. Dans « Mme Weber a appelé. Elle souhaite être rappelée », le système doit comprendre que « elle » désigne Mme Weber. C'est important pour les résumés, l'extraction d'informations et les chatbots qui doivent suivre les références sur plusieurs phrases ou échanges.
