Temps de lecture: 4 min

L’I.A. qui traite le langage naturel au coeur de notre solution FluidityApp provoque souvent des réactions passionnées chez nos clients ou prospects. Cela interroge les limites de cette I.A., son utilité et les vertus de son imperfection.
‍

‍
L’I.A. doit servir l’Intelligence Collective

‍

Pour libérer l’Intelligence Collective des organisations, interroger ne suffit plus. Les outils et pratiques évoluent : télétravail, management à distance, transformation des façons dont la parole circule dans les organisations.
‍

Le défi numéro #1 ? Faire sens des réponses du collectif.
C’est ce que recherchent nos utilisateurs. Une I.A. sémantique qui divise par 10 le temps d’analyse et de restitution de centaines, de milliers de réponses à des questions ouvertes. En temps réel.

Vous devez interroger un groupe de personnes de façon ouverte autour d’un sujet... Concrètement, notre I.A. capture leurs réponses, repère les thèmes clés et groupe les réponses qui ont des sens proches - même dans des langues différentes - . Par exemple “j’adore la diversité de mon travail” sera rapproché de “Je suis content de faire des projets à chaque fois différents” ou “Ik doe graag elke keer andere opdrachten….” et puis rangé dans un thème nommé automatiquement “Diversité de mon travail”. Instantanément.
Si, si...

‍

«Wouaou» ou «Ah mais…» ?!

‍

Pendant les démos de notre solution, deux réactions spontanées se distinguent.
Certains s’enthousiasment devant la machine qui exécute par magie une tâche “intelligente” qui consommerait autrement des heures, voire des jours (pensez ...fichiers excel, milliers de lignes…).

A l’inverse, d’autres focalisent leur attention immédiate sur les imperfections (un titre de groupe un peu bancal, un regroupement dont on ne voit pas la justification…) “Ah non, là, la machine s’est trompée”...
Alors même qu’il n’y a pas de réponse ‘juste’. En effet, 10 personnes différentes feraient à coup sûr des regroupements différents (c’est un process ‘non supervisé’ disent les spécialistes)

Ces réactions sont surtout révélatrices de biais de confirmation de chacun confronté à l’I.A.
Selon que vous attendrez une I.A. «toute puissante», capable de faire mieux qu’un humain ou une IA imparfaite, incapable de l’égaler, il sera midi à votre porte !

‍
Alors, qui a raison ?
Que comprend vraiment la machine quand nous disons qu’elle ‘comprend’ le sens d’une réponse ? Aussi enthousiaste et passionné que je puisse être sur les possibilités du Traitement Automatique du Langage (TAL ou NLP en anglais), aussi admiratif envers le travail extraordinaire de notre équipe, un regard factuel s’impose.

‍
Que fait la machine quand elle ‘lit’ ?
Elle représente les mots puis les phrases sous forme de vecteurs (complexes mais manipulables) qui ont une propriété assez dingue : deux mots/phrases ‘proches’ sémantiquement ont des vecteurs qui pointent à peu près dans la même direction. Petit détail utile : Oubliez vos axes xyz des années lycée, ce sont des vecteurs à plusieurs centaines, voire milliers de dimensions !
‍

Pour calculer ces vecteurs, il faut donc beaucoup de calcul - l’entraînement - et beaucoup de données - des textes écrit par des humains, comme par exemple tout Wikipedia, dans toutes les langues. Vraiment beaucoup.
Donc la machine ‘lit’ en entrée des mots. Et les mots environnants. Elle calcule des valeurs à partir de ces mots, de leur ordonnancement. Les paramètres de ce calcul sont eux-même estimés sur l’analyse préalable de millions de textes. Ces valeurs nourrissent alors l’estimation qui permet d’accomplir la tâche pour laquelle on décide de l’utiliser : calculer une distance sémantique, détecter un sentiment, identifier un thème, repérer dans une encyclopédie la réponse à une question...
Bref, des modèles, des algorithmes, des calculs qui reposent, directement ou indirectement sur beaucoup de données, que nos valeureux data scientists organisent, ajustent, connectent…

Mais la machine ignore (encore) tellement de choses...
Elle ne connait pas la causalité. Elle ne sait pas si les flaques engendrent la pluie ou le contraire. Elle a juste appris que les deux arrivent souvent ensemble.
Elle n’a pas le sens du temps ou de la mesure. Elle ne sait pas si l’homme peut nager à 300km/h.
Elle ignore que “Va je ne te hais point” parle d’amour fou, et de façon générale galère avec les figures rhétoriques
Elle ne prend pas en compte ce qui n’est pas écrit. Jamais. L’ellipse, le sous-entendu, la lecture “entre les lignes”, ce n’est pas son truc.
Vous l’avez compris, les modèles les plus performants aujourd’hui donnent seulement l’illusion de comprendre le language. Mince, la machine est plutôt stupide et elle fait seulement ce que vous lui dites de faire.
Certes, mais elle est très très rapide !

‍
Nous sommes fiers de cette imperfection

‍

Oui, car nous avons foi en l’Intelligence Humaine de nos clients ! Nous voyons l’I.A. comme le tremplin, l’accélérateur qui facilite l’expression de cette I.H., pas son substitut.
Une voiture même autonome ne vous fera jamais découvrir le monde. En revanche, elle vous évitera la fatigue et pas mal d’accidents pendant votre périple.
C’est pourquoi nous avons construit un outil qui reste, à tout moment, à la main de l’utilisateur. Il expédie les tâches répétitives et chronophages en un éclair, pour vous laisser le temps de la réflexion, la vraie, et celui du choix.
Profiter de notre I.A. en action, de ces thèmes qu’elles détectent et suggèrent, permet d’aller beaucoup plus vite pour faire sens en collectif, et de passer plus de temps à repérer les idées ‘différentes’, et autres signaux faibles.

N’est-ce pas finalement toute la beauté de ces imperfections ? A chaque mot-clé, à chaque regroupement discutable, vous disposez d’une occasion de vous demander ‘pourquoi’, de déplacer votre regard pour révéler en quoi cela enrichit l’essentiel : le sens.