INTELLIGENCE ARTIFICIELLE ET LANGAGES

Innovation

Notre rupture technologique, et pourquoi elle est importante

Tout le projet OWI repose sur une découverte : une modélisation particulière du langage qui, parce qu’elle permet de relier entre eux tous les signes (les mots) comme les être humains le font naturellement, permet d’extraire d’un message toutes les informations qui s’y trouvent.

Cette découverte, mise au point entre 1992 et 2013, apporte une précision et une fiabilité sans comparaison avec les approches actuelles.

Lorsqu’il s’agit d’analyser automatiquement des mails, ou d’apporter une assistance téléphonique, cette précision et cette fiabilité ne sont pas de simples avantages : cela change radicalement ce qui peut être automatisé, donc le ROI, ainsi que la qualité de l’expérience client

Le traitement du langage par OWI

Curieusement, presque toutes les approches de traitement automatique du langage, y compris GPT, ont oublié le principe de base de la linguistique (Ferdinand de Saussure…) : la compréhension du langage est une opération qui sépare 2 étapes :

La production de signes (reconnaissance des « signifiants », dans le vocabulaire linguistique), qui ne dépend que de la langue
L’interprétation de ces signes (passage des « signifiants » aux « signifiés »), qui dépend du contexte du message

L’avenir du traitement du langage humain passe nécessairement par une IA qui s’approche autant que possible de la façon dont les êtres humains traitent le langage. Donc par l’utilisation de 2 intelligences artificielles qui collaborent entre elles :

IA linguistique capable de produire, à partir d’un message, tous les signes potentiellement porteurs de sens.
Les principes du modèle de l’IA linguistiques sont les mêmes pour toutes les langues, mais chaque langue donne lieu à un modèle linguistique particulier
Ce modèle est appelé « dictionnaire » chez OWI
IA de connaissance du réel (appelée IA métier chez OWI) capable d’interpréter les signes produits par l’IA linguistique en informations exploitables.
Les principes du modèle de l’IA métier sont les mêmes pour tous les secteurs et toutes les entreprises, mais chaque contexte particulier donne lieu à un modèle spécifique
Ce modèle est appelé « plan d’analyse » chez OWI

L’apprentissage

Double IA sur le langage

Parce que l’IA linguistique est déjà entraînée (LLM)
L’IA contextuelle apprend 100 fois plus vite

UTML (User To Machine Learning)

Technologie qui exploite directement les choix des utilisateurs
Elimine les tâches d’annotation, fastidieuses

Vitesse, précision, protection des données

Les données dont dispose chaque entreprise sont suffisantes
Chaque environnement OWI reste isolé et protégé

IA INTERACTIVE

3 modèles « IA » :

Dictionnaire – la langue (type LLM) :

Un seul modèle pour chaque langue

Plan d’analyse – le contexte métier :

Apprentissage très rapide, grâce au modèle précédent, et où chaque cas d’usage enrichit les autres

AKB – la conduite de conversation, spécifique au cas d’usage :

modélisation dynamique du dialogue, rendue possible par une « Machine de Turing » généralisée à un graphe

Dictionnaire – la langue (type LLM) :

Un seul modèle pour chaque langue

Plan d’analyse – le contexte métier :

Apprentissage très rapide, grâce au modèle précédent, et où chaque cas d’usage enrichit les autres

AKB – la conduite de conversation, spécifique au cas d’usage :

modélisation dynamique du dialogue, rendue possible par une « Machine de Turing » généralisée à un graphe

Innovations sur les usages

Nos équipes R&D sont également mobilisées pour accompagner l’innovation de nos clients :

« Extracteurs sémantiques », ou SEMEX, pour compléter des demandes de rendez-vous, récupérer des numéros de clients...etc

« Revocalisation », ou SPELLING, pour pallier les difficultés des meilleures solutions de Speech To Text à transcrire des identifiants (puisque ces identifiants ne sont pas des mots courants)

« Analyse de pièces-jointes », grâce aux meilleures technologies d’OCR, pour les mails et les chatbots

« Assistance du conseiller », c’est-à-dire intégration dans son poste de travail de modèles de réponses, liens pertinents pour traiter la demande, fichiers XLS préparés avec toutes les informations utiles déjà extraites des différents systèmes… etc

« Pilotage de la qualité », avec contrôle automatique pour éviter les biais inhérents à tout Machine Learning

« Analyse détaillée » pour un message, une conversation, qui fournit explications et justificatifs nécessaires sur chaque résultat produit par notre IA