Les fonctionnalités de traitement du langage naturel (NLP) sur Azure

Le traitement du langage naturel (NLP) regroupe l'ensemble des techniques permettant à un ordinateur de comprendre, d'analyser ou de générer du texte et de la parole en langage humain. Avant même d'appliquer un modèle d'IA, un texte est généralement décomposé en unités plus petites, une étape appelée tokenisation, puis normalisé, par exemple en ramenant chaque mot à sa forme de base, la lemmatisation, pour réduire la variabilité du vocabulaire à traiter.

Plusieurs tâches reviennent régulièrement dans les scénarios d'examen. La détection de langue identifie automatiquement la langue d'un texte. L'analyse de sentiment évalue si un texte exprime une opinion positive, négative, neutre ou mixte, utile par exemple pour analyser des avis clients à grande échelle. L'extraction de phrases clés résume les idées principales d'un texte sous forme de quelques expressions représentatives. La reconnaissance d'entités nommées (NER) identifie dans un texte des éléments précis comme des noms de personnes, de lieux, d'organisations, de dates ou de montants.

Azure AI Language est le service Azure qui centralise ces capacités d'analyse de texte, en fusionnant ce qui était auparavant réparti entre Text Analytics et d'autres services séparés. Il expose une API unique permettant d'envoyer un texte et de récupérer en retour le sentiment détecté, les entités nommées reconnues, les phrases clés extraites ou la langue identifiée.

Le service propose aussi des fonctionnalités plus avancées comme la détection d'informations personnelles identifiables (PII) dans un texte, utile pour anonymiser des documents avant traitement, et la génération automatique de résumés à partir de textes longs comme des transcriptions de réunion ou des articles. Ces fonctionnalités sont accessibles sans entraînement préalable, ce qui en fait un point d'entrée rapide pour ajouter des capacités de compréhension de texte à une application.

Conversational Language Understanding, ou CLU, est le service Azure qui permet de construire un modèle capable de comprendre l'intention exprimée par un utilisateur dans une phrase en langage naturel, par exemple distinguer réserver une salle de réunion de annuler un rendez-vous à partir de formulations variées. CLU a progressivement remplacé LUIS, Language Understanding, l'ancien service dédié à cette tâche, en s'intégrant directement dans Azure AI Language.

Construire un modèle CLU consiste à définir des intentions (intents), qui représentent les actions que l'utilisateur souhaite déclencher, des entités, qui représentent les informations utiles associées à cette action comme une date ou un nom de salle, puis à fournir des exemples de phrases (utterances) illustrant différentes façons d'exprimer chaque intention. Le modèle entraîné peut ensuite être intégré à un chatbot ou un assistant vocal, souvent construit avec Azure AI Bot Service, pour interpréter les commandes des utilisateurs et déclencher l'action correspondante.

Azure AI Speech regroupe les fonctionnalités liées à la voix. La reconnaissance vocale (speech-to-text) convertit un flux audio parlé en texte écrit, utile pour transcrire automatiquement une réunion ou permettre une commande vocale. La synthèse vocale (text-to-speech) fait l'inverse en générant une voix de synthèse à partir d'un texte, avec des voix neuronales qui reproduisent des intonations naturelles proches d'une voix humaine.

Le service propose également la traduction vocale, qui combine reconnaissance et traduction pour convertir en temps quasi réel une phrase prononcée dans une langue en texte ou en parole dans une autre langue. Ces fonctionnalités s'appliquent à des scénarios variés : sous-titrage automatique de vidéos, assistants vocaux, outils d'accessibilité pour les personnes malvoyantes ou malentendantes, ou centres d'appel multilingues.

Azure AI Translator fournit une API de traduction automatique de texte prenant en charge plus de 100 langues. Contrairement à Azure AI Speech, qui traite de l'audio, Translator travaille uniquement sur du texte écrit, qu'il s'agisse d'une phrase isolée envoyée via l'API ou de documents entiers grâce à la fonctionnalité de traduction de documents, qui conserve la mise en forme d'origine.

Le service permet aussi de définir un dictionnaire de terminologie personnalisée, pour forcer la traduction de termes spécifiques à un secteur d'activité ou à une entreprise, plutôt que de dépendre uniquement des choix de traduction générique du modèle. Combiné à Azure AI Language pour analyser le sentiment d'un texte une fois traduit, Azure AI Translator permet de construire des flux d'analyse multilingue complets, un scénario que l'on retrouve régulièrement dans les cas pratiques de l'examen AI-900.