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.
Agents, flux et modèles dans un seul espace de travail – démo gratuite de 24 heures.
Lancer la démoLe 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 reconnaissance d’entités nommées (Named Entity Recognition, NER) est une technique de traitement du langage qui repère dans un texte les noms de personnes, d’entreprises et de lieux, ainsi que les dates ou montants, et les classe par catégorie. Le texte libre devient ainsi une donnée structurée. Exemple : l’entreprise expéditrice, l’interlocuteur, la date de livraison et le montant d’une facture sont extraits d’un e-mail et transférés dans un CRM.
L'analyse en dépendances (dependency parsing) est une technique de traitement du langage naturel qui représente la structure grammaticale d'une phrase sous forme de relations de dépendance entre les mots. Chaque mot est rattaché à un mot dont il dépend, par exemple le sujet et l'objet au verbe : dans « Le client commande deux lampes », « client » et « lampes » dépendent de « commande ». Elle sert notamment à l'extraction d'informations, par exemple pour identifier qui a fait quoi.
La compréhension du langage naturel (Natural Language Understanding) est la partie du traitement du langage qui saisit le sens d'un énoncé : quelle intention l'anime, quelles personnes, quels lieux ou quelles dates sont cités, quel est le ton ? Avec la génération de langage (NLG), elle forme l'une des deux faces du NLP. Exemple : un service client qui reconnaît dans « Mon colis n'est toujours pas arrivé » une demande de livraison.
