L’IA et la plume : la génération automatique de texte arrive à pleine maturité

La NLG (ou natural language generation), traduit en français par génération automatisée de texte est une capacité de l’IA qui vise à produire des textes à partir de données, avec une qualité comparable à celle de rédacteurs humains.

Cette capacité est ancienne, mais elle fait actuellement d’énormes progrès car elle s’appuie sur la multitude de données et les avancées des capacités connexes de l’IA dans le traitement du langage naturel.

Les montagnes de données disponibles ne peuvent être analysées par un humain, les données sont produites en masse, il faut pouvoir les analyser et leur donner du sens.

Dans l’analyse de données ou encore la Business Intelligence, les solutions de data visualisation sont intéressantes mais l’interprétation des résultats en langage naturel est autrement plus parlant lorsqu’il s’agit de diffuser largement ces insights auprès des collaborateurs, des partenaires ou des clients.

Les cas d’usages de la data-écriture sont variés

• Business Intelligence : analyse des performances commerciales ou financières ;
• Robot-Rédacteur : couverture par les médias des marchés financiers, des compétitions sportives, des scrutins électoraux, de la météo, et bien d’autres domaines éditoriaux ;
• Marketing : rédaction de fiches produits, notamment dans le cas des catalogues ou du e-commerce ;
• Reporting : analyse de tournées, suivi d’activités des call-centers, suivi de la performance ; rapports d’analyse financière ;
• Surveillance : alertes sur événements, monitoring d’activités.

Les gains de productivité associés à l’utilisation de l’IA dans la génération de texte sont évidents. L’IA permet de produire des contenus écrits dans une échelle quantitative inaccessible à l’humain. Lors des élections municipales de 2015 en France, Le Monde a ainsi publié 30.000 articles en quelques heures heures sur son site, à l’aide d’une technologie de la start-up Syllabs.

Un autre intérêt majeur du recours à l’IA est de pouvoir produire des textes à géométrie variable en fonction du contexte d’utilisation, du type de restitution, du type de lecteur. Ainsi, un set de données peut être restitué sous de multiples formes :

• alertes
• un paragraphe
• plusieurs paragraphes
• un document d’une ou plusieurs pages.

Des données vers le texte et au-delà

Les architectures modernes faisant appel aux IA reposent sur les micro-services ou les APIs. Cette logique permet de chaîner différents types de traitements sur l’information en fonction des usages et du but recherché.

Ainsi, nous pouvons imaginer que ce que l’on l’observe à travers les données récoltées puisse être transformé en texte dans un premier temps, puis que ce texte alimente lui-même d’autres capacités de l’IA dans un second temps :

• le texte peut être traduit en une ou plusieurs langues étrangères ;
• le texte peut être analysé : entités nommées, analyse de sentiments ou de tonalités, à fins de qualification ou d’analyses. Génération de méta-données à des fins de classement d’archives par exemple, optimisation sur SEO ;
• le texte peut être énoncé (synthèse vocal).

Tout ceci est réalisable à travers l’appel d’APIs, disponibles en permanence, à la demande, en temps réel, et à des coûts d’utilisation faibles.

Comment mettre en place la NLG dans l’entreprise ?

Il convient d’assembler une équipe pluridisciplinaire réunissant la technique (IT), les utilisateurs métiers, des équipes spécialisées data, un regard juridique et/ou de compliance.  

Les formes rédactionnelles (templates) seront définies par des spécialistes du langage écrit (rédacteurs ou journalistes) travaillant en lien avec les métiers.

On ne fera pas l’économie d’une réflexion sur les données sources et d’une validation  : sécurité, fiabilité, complétude, conformité avec la RGPD notamment…

En terme de technologie, il conviendra de privilégier une solution évolutive, mature, souple et disponible à la demande. Plusieurs solutions SaaS existent.

demain.ai réunit ces compétences et saura accompagner les sociétés (toutes les sociétés) désireuses de saisir les opportunités formidables offertes par la génération automatisée de textes.