NLP (Natural Language Processing)

Le NLP (Natural Language Processing), ou traitement automatique du langage naturel, est le domaine informatique qui permet à une machine d'analyser, d'interpréter et de produire du langage humain, écrit ou parlé. Il recouvre aussi bien le classement d'un courriel que l'extraction d'une date dans un contrat, la traduction ou la transcription d'un appel.

Une confusion mérite d'être levée d'emblée : le NLP est le domaine, les grands modèles de langage n'en sont que l'outil devenu dominant. Avant eux, le même travail se faisait avec des dictionnaires, des règles d'écriture et des modèles statistiques, et ces approches n'ont pas disparu.

Les tâches que l'on regroupe sous ce terme

• La classification : ranger un texte dans une catégorie, détecter un message indésirable, évaluer une tonalité.
• La reconnaissance d'entités : repérer dans un texte les noms, dates, montants, numéros de commande.
• La détection d'intention : comprendre qu'une phrase comme "je veux annuler ma commande du 15 mars" est une demande d'annulation.
• Le résumé et la reformulation d'un document long.
• La recherche sémantique : retrouver un passage par le sens plutôt que par les mots exacts.
• La transcription de la parole vers le texte, préalable à tout traitement écrit.

Deux façons de le mettre en œuvre

Les modèles spécialisés, entraînés sur une tâche précise à partir de vos exemples, sont rapides, peu coûteux à l'exécution et s'installent sur votre propre infrastructure. Ils conviennent aux volumes élevés et aux tâches stables, comme le tri de plusieurs milliers de messages par jour.

Les modèles de langage généralistes, pilotés par instruction, demandent peu de préparation et absorbent des formulations imprévues. Ils coûtent davantage par requête et supposent un envoi des textes vers un fournisseur, sauf à héberger le modèle soi-même. En pratique, beaucoup de chaînes combinent les deux : un modèle léger filtre, un modèle puissant traite les cas restants.

Ce qui fait échouer un projet

La langue et le domaine d'abord : un modèle entraîné sur de l'anglais généraliste se trompe sur du vocabulaire métier français. L'ambiguïté ensuite, la négation et l'ironie restant des difficultés bien réelles. La confidentialité enfin, car les textes d'entreprise contiennent des données personnelles, ce qui impose de décider où le traitement s'exécute.

Le manque le plus fréquent reste pourtant l'absence d'évaluation : sans jeu de textes annotés à la main, personne ne peut dire si le système fonctionne, ni si une modification l'a amélioré.

Quand y recourir

Le NLP se justifie dès qu'un volume significatif de texte non structuré arrive régulièrement et qu'une personne passe du temps à le lire pour en extraire toujours les mêmes informations. À l'inverse, quand la donnée peut être saisie dans un champ de formulaire, la solution la plus simple reste la bonne.