Aujourd’hui, avec la numérisation de tout, 80 % des données créées ne sont pas structurées.
L’audio, la vidéo, nos empreintes sociales, les données générées par les conversations entre les représentants du service client, les textes des documents juridiques traités dans les secteurs financiers sont des exemples de données non structurées stockées dans le Big Data.
Les organisations se tournent vers la technologie du traitement du langage naturel (NLP) pour tirer une compréhension de la myriade de ces données non structurées disponibles en ligne et dans les journaux d’appels.
Le traitement du langage naturel (NLP) est la capacité des ordinateurs à comprendre la parole humaine telle qu’elle est prononcée. Le NLP est une branche de l’intelligence artificielle qui a de nombreuses implications importantes sur la façon dont les ordinateurs et les humains interagissent. L’apprentissage automatique a aidé les ordinateurs à analyser l’ambiguïté du langage humain.
Apache OpenNLP, Natural Language Toolkit(NLTK), Stanford NLP sont différentes bibliothèques NLP open source utilisées dans l’application réelle ci-dessous.
Voici de multiples façons dont le PNL est utilisé aujourd’hui :
L’application la plus basique et la plus connue du PNL est la vérification orthographique de Microsoft Word.
L’analyse de texte, également connue sous le nom d’analyse des sentiments, est une utilisation clé du PNL. Les entreprises cherchent surtout à comprendre ce que ressentent leurs clients sur le plan émotionnel et à utiliser ces données pour améliorer leur service.
Les filtres de courrier électronique sont une autre application importante du NLP. En analysant les courriels qui passent par les serveurs, les fournisseurs de messagerie peuvent calculer la probabilité qu’un courriel soit un spam en fonction de son contenu en utilisant un filtrage du spam basé sur la méthode bayésienne ou naïve.
Les représentants des centres d’appels s’engagent avec les clients pour entendre une liste de plaintes et de problèmes spécifiques. L’exploration de ces données pour le sentiment peut conduire à une intelligence incroyablement exploitable qui peut être appliquée au placement de produits, à la messagerie, à la conception ou à une série d’autres cas d’utilisation.
Google et Bing et d’autres systèmes de recherche utilisent le NLP pour extraire des termes du texte afin de peupler leurs index et d’analyser les requêtes de recherche.
Google Translate applique des technologies de traduction automatique en traduisant non seulement des mots mais en comprenant le sens des phrases pour fournir une véritable traduction.
De nombreuses décisions importantes sur les marchés financiers utilisent le NLP en prenant des annonces en texte brut et en extrayant les infos pertinentes dans un format qui peut être pris en compte dans les décisions de trading algorithmique. Par exemple, les nouvelles d’une fusion entre entreprises peuvent avoir un grand impact sur les décisions de trading, et la vitesse à laquelle les détails de la fusion, les acteurs, les prix, qui acquiert qui peuvent être incorporés dans un algorithme de trading peut avoir des implications de profit dans les millions de dollars.
Depuis l’invention de la machine à écrire, le clavier a été le roi de l’interface homme-machine. Mais aujourd’hui, avec la reconnaissance vocale via les assistants virtuels, comme Alexa d’Amazon, Now de Google, Siri d’Apple et Cortana de Microsoft répondent à des invites vocales et font tout, de la recherche d’un café à l’obtention d’indications pour se rendre à notre bureau, en passant par des tâches comme allumer les lumières de la maison, allumer le chauffage, etc. selon le degré de numérisation et de câblage de notre vie.
Réponse à des questions – IBM Watson est l’exemple le plus marquant de réponse à des questions via la recherche d’informations qui aide à guider dans divers domaines comme les soins de santé, la météo, les assurances, etc.
Il est donc clair que le traitement du langage naturel prend un rôle très important dans les nouvelles interfaces machine-homme. C’est un outil essentiel pour l’analytique de pointe et est l’avenir proche.
