Extraire une mine d’or d’informations de forte technicité grâce à l’intelligence artificielle.

AVIS D’EXPERT

Certaines industries et organisations gèrent des connaissances métier particulièrement pointues (aéronautique, défense, nucléaire, pharmacologie, spatial…). Le langage propre à ces métiers est riche en termes et expressions peu communes. Conséquence directe : l’accès à l’information dans leurs corpus de textes techniques est particulièrement complexe à mettre en place avec des méthodes classiques. Désormais, certaines technologies basées sur l’intelligence artificielle relèvent haut la main ce défi du partage des connaissances. Des termes, propres à l’aviation, au nucléaire ou à la pharmacologie, ne sont clairement pas dans le langage courant. Pourtant, leur importance est capitale dans ces industries. En effet, ces dernières (et bien d’autres), utilisent en permanence des corpus de textes à très forte technicité.

Dans ce contexte, comment rendre possible l’accès à l’information au sein de ces entités sans supervision permanente d’un expert du sujet ? Évidemment, il est impensable de mobiliser des équipes d’ingénieurs et de docteurs en telle ou telle spécialité pour la « simple » gestion documentaire d’une société, même hautement spécialisée. Une nouvelle approche de traitement automatique du langage relève ce défi de taille. Pour parvenir à extraire, trier et mettre à disposition des informations précises d’industries et d’organisations hautement spécialisées, il est particulièrement intéressant d’agir sur deux caractéristiques essentielles : le contenu informationnel, bien sûr, mais aussi, et c’est là que réside toute la nouveauté, la structure organisationnelle des documents, ainsi que la syntaxe et différents aspects liés à la langue elle-même. En effet, ces informations sont de formidables leviers d’apprentissage pour un modèle intelligent.

Chacun le comprend aisément, la structure d’un document traduit une hiérarchisation et une organisation des informations contenues dans ce dernier, selon une certaine logique. C’est cette logique que l’intelligence artificielle analyse, en plus du contenu lui-même. En outre, les aspects syntaxiques et sémantiques liés à chaque langue jouent également un rôle important. Car le langage rédactionnel diffère d’un domaine à un autre et devient plus spécifique lorsqu’il s’agit d’articles ou de documents scientifiques destinés à un public bien ciblé. Ceci est d’autant plus vrai dans les domaines très spécialisés, dans lesquels les ressources documentaires sont particulièrement normées.

Comme toute forme d’intelligence (artificielle ou non), un entraînement est indispensable. Pour « muscler » ces modèles intelligents, une supervision est nécessaire. Mais contrairement aux approches plus classiques, dans le cas qui nous intéresse, cette dernière est réduite au minimum. Elle ne mobilise donc pas toute une batterie d’experts sur le long terme ! Cette supervision consiste simplement en un cycle itératif de validation des extractions dans un premier temps, avant que le modèle exécute lui-même ses propres entrainements. Très concrètement, cela signifie que la machine propose des exemples d’extractions à un expert qui les valide ou les invalide. Ainsi, l’intelligence artificielle apprend très vite à faire des prédictions de plus en plus précises, même sur des documents au langage hautement technique. Vous l’aurez compris, cette performance est rendue possible par la compréhension de l’organisation logique des textes, du langage spécifique de chaque société (et même le jargon interne) en plus de l’analyse (plus classique) du contenu.