LE TRAITEMENT AUTOMATIQUE DU LANGAGE (TAL) — À LA RESCOUSSE DES ÉQUIPES DE VENTES
Le langage utilisé dans les appels d’offres n’est naturel pour personne. Il est parfois ardu de comprendre clairement les services exacts que les clients potentiels cherchent à obtenir par le biais de cahiers des charges lourds et complexes. Quels sont leurs besoins, et surtout, comment pouvons-nous y répondre? Au sein d’équipes de ventes bien occupées, on se posera une question plus précise encore : comment pouvons-nous y répondre rapidement?
L’équipe d’Aloha a travaillé pour vous et offre la réponse à ces questions : une plateforme servant à identifier les appels d’offres d’intérêt pour votre entreprise, lister les produits à insérer à vos soumissions, joindre les prix associés et rédiger le contenu requis en se basant sur vos offres précédentes. Tout cela est possible grâce au traitement automatique du langage (TAL) à partir d’un texte, propulsé par l’intelligence artificielle (IA). Trop beau pour être vrai? Non. Synthèse.
Le TAL, comment ça marche?
Le traitement automatique du langage, aussi nommé traitement automatique du langage naturel (TALN), est un concept tout d’abord exploré dans le but de produire des traductions automatiques en contexte de Guerre Froide. On cherchait alors à traduire rapidement vers l’anglais des phrases en russe, sans avoir à imposer aux ingénieurs américains l’apprentissage de cette langue. Bien qu’élémentaire et criblée d’embûches, le potentiel prometteur de cette première expérience a incité les chercheurs à poursuivre le travail et faire évoluer ce domaine d’étude. Cette même période de l’Histoire a aussi vu naître l’intelligence artificielle, engendrant alors l’intérêt à créer des programmes d’ordinateurs au comportement intelligent[1]. À la suite de la mise en place d’innombrables réseaux de neurones sémantiques et de relations élaborées entre les concepts, nous pouvons aujourd’hui profiter de l’étendue des possibilités offertes par le TAL, soit notamment l’extraction d’informations à partir d’un texte donné, particulièrement attrayant dans l’automatisation des réponses aux appels d’offres.
Pour mieux comprendre de quelle façon le TAL peut prêter main forte à vos équipes de vente, visionnez cette courte vidéo[2]. Elle vous aidera à concrétiser les méthodes utilisées par la plateforme Aloha pour surfer dans vos innombrables documents déjà produits afin de cibler et produire le contenu adéquat à insérer aux offres de services sur lesquelles vous travaillez.
Mis en œuvre au sein de divers domaines d’expertise, de nombreux modèles d’intelligence artificielle à l’usage du TAL ont fait leurs preuves. Exemples.
Le TAL, au service de tous les domaines
Domaine légal
Intéressons-nous d’abord aux possibilités offertes par le TAL dans le domaine légal, faisant parfois l’emploi du même type de vocabulaire complexe que celui trouvé dans les cahiers des charges d’appels d’offres gouvernementaux. Grâce à ce que l’on appelle la technologie juridique (ou technologie au service du droit, aussi connue sous le nom de legal tech), il est possible de comprendre le sens des mots utilisés dans un texte et en détecter les intentions. Contrairement aux premiers outils de traduction automatique mentionnés en début d’article, il est maintenant possible de dénoter les subtilités de sens, et produire rapidement les réponses appropriées aux besoins exprimés dans le texte[3].
L’avancement extraordinaire de la technologie juridique, propulsée par l’intelligence artificielle, permet de décortiquer les textes les plus complexes et subtils, remplaçant du coup les aptitudes de l’humain dans la production de documents légaux (contrats, déclarations, statuts d’entreprise) et même dans l’octroi de services juridiques, pouvant maintenant se faire en ligne. Les économies réalisées grâce à ces avancées technologiques sont considérables, et ne peuvent qu’être bien reçues pas les entreprises qui cherchent toujours à faire plus vite pour moins cher. Mentionnons au passage que ces concepts basés sur le TAL peuvent être appliqués à tous les domaines de gestion de l’entreprise, tels que la comptabilité, la fiscalité et… les ventes![4]
Domaine pétrolier
Un exemple très près de notre domaine d’intérêt, soit celui de la production efficace des réponses aux appels d’offres, a récemment fait les manchettes. Il s’agit du cas de la compagnie Minestar Group Corp., pour qui l’implantation d’une plateforme d’intelligence artificielle permettant le TAL a représenté des gains considérables, en temps et en argent. L’important fournisseur de services pétroliers et gaziers s’est adjoint les services d’un conseiller en appel d’offres reposant sur l’IA, accélérant considérablement son processus de réponse aux appels d’offres. Dès les premiers essais, les échéanciers ont passé de 6 à 9 mois à 72 heures à peine. En prime, le nombre d’appels d’offres remportés s’est nettement amélioré. Devant leurs lourdes boîtes de paperasse à éplucher pour dénicher l’information exigée par les cahiers des charges, le grand nombre d’heures requises pour faire le travail et un marché pétrolier impatient, Minestar Group Corp. a opté pour l’investissement. L’implantation technologique a porté fruits, que la compagnie récolte aujourd’hui.[5]
Notons que l’outil choisi par Minestar est le célèbre Watson d’IBM, ce même engin pouvant rivaliser avec des humains au jeu Jeopardy, cousin de Deep Blue, qui pour sa part a remporté une partie d’échecs contre le champion Garry Kasparov en 1997. Ne voilà qu’une infime matérialisation des impressionnantes possibilités offertes par le traitement automatique du langage, toujours en évolution.
Le TAL, une force à surveiller
Il est inconcevable de conclure cet article sans faire mention de l’étonnant programme GPT-2 de l’association de recherche OpenAI[6]. Cette intelligence artificielle a été conçue pour générer du texte en déterminant la suite logique de mots échantillonnés. Imitant presque à la perfection le travail d’un humain et s’adaptant aux divers contextes soumis, GPT-2 est en mesure de produire des textes en respectant le style et les intentions souhaitées, grâce à son impressionnante base de données. Sans formation requise dans les domaines visés, et sachant produire du contenu de profondeur, l’engin peut répondre à des questions précises, comprendre des textes et en poursuivre la rédaction, les résumer et en faire la traduction. Le tout en un temps record, sans supervision, et sans besoin de vacances. Bref, GPT-2 est le collègue dont nous rêvons tous. Imaginez son potentiel dans l’élaboration de réponses aux appels d’offres de votre domaine d’expertise. Oui, c’est vous là, sur cette plage.
L’étendue des possibilités offertes par ce programme d’OpenAI est inestimable. Jugé potentiellement dangereux si utilisé à mauvais escient, son potentiel est si grand que sa publication officielle a été retardée par les chercheurs. Pour ceux qui souhaite en savoir d’avantage, l’association a tout de même publié un document technique, dont vous pouvez faire la lecture ici[7].
Les exemples mis de l’avant dans le présent article ont clairement su démontrer à quel point le TAL peut être utile dans le traitement efficace des appels d’offres au sein de votre entreprise. Nous aurions pu aussi nommer d’autres initiatives exceptionnelles, telles que Yseop Compose[8], un logiciel de génération automatique de texte élaboré par la compagnie Yseop, ou encore Eigen Technologies[9], qui se concentre sur le TAL dans le domaine de la finance, entre autres.
Les experts croient toutefois que pour garantir l’avancement de l’intelligence artificielle dans le traitement automatique du langage, il faut faire plus que s’appuyer sur l’offre actuelle; il est aussi nécessaire d’en assurer une demande grandissante. Soyons curieux, exigeons la mise en place de cette technologie au sein de nos entreprises, et profitons de ses avantages pour simplifier notre travail, automatiser nos tâches et offrir plus simplement des réponses claires à des questions complexes. Ne restera ensuite qu’à se reposer au son des vagues du succès. Aloha.
[1] https://perso.limsi.fr/anne/coursM2R/intro.pdf
[2] https://www.youtube.com/watch?v=5ctbvkAMQO4
[3]http://www.atala.org/sites/default/files/1-%20TAL-58-2-legal%20NLP-introduction.pdf
[4]http://legal-tech.fr/les-differentes-formes-de-legaltech#more-160
[5]https://www.itworldcanada.com/article/canadian-oil-and-gas-companies-team-up-with-ibm-to-squeeze-out-efficiencies/403483
[6] https://blog.openai.com/better-language-models/
[7] https://d4mucfpksywv.cloudfront.net/better-language-models/language_models_are_unsupervised_multitask_learners.pdf
