#RP Comment l’Intelligence Artificielle optimise la diffusion de vos communiqués de presse

Feature Image

Intelligence Artificielle ? Machine Learning ? Deep Learning ? Quels sont ces nouveaux concepts qui agitent les médias et les entreprises ?

Ils font ou vont faire partie de notre vie quotidienne, professionnelle ou personnelle. Alors faut-il s’en inquiéter, ou au contraire saisir cette opportunité ? Nous avons interrogé Patrig Droumaguet, Ingénieur chez QWAM Content Intelligence, partenaire d’AlgoLinked.

 

Retrouvez l’interview en vidéo :

L’IA et les médias : une technologie au service de l’humain par AlgoLinked

 

Qu’est ce que l’Intelligence Artificielle ?

L’IA, ou Intelligence Artificielle, regroupe l’ensemble des sciences qui tendent à permettre à une machine d’étudier une situation – par exemple une image, un texte, des données chiffrées… – et de générer une action en conséquence.

Le plus simple pour en comprendre le principe est de faire un parallèle avec votre propre expérience d’être humain. Supposons que vous soyez dans une situation où un examinateur vous présente des cartes sur lesquelles ont été dessinés des animaux. L’examinateur vous demande de dire à voix haute si la carte représente un chat, un chien, un oiseau, un poisson, un éléphant… L’exercice peut vous sembler facile car vous pouvez facilement identifier un chien par ses quatre pattes, son museau, sa queue… comme vous pouvez identifier un oiseau par ses deux pattes, ses plumes, ses ailes, son bec… Votre cerveau effectue un travail de repérages d’éléments caractéristiques qui, grâce à votre expérience acquise, rendent l’identification immédiate. Par contre, peut-être ne pourrez-vous pas distinguer un rouge-gorge d’un bouvreuil, votre expérience ne vous ayant pas fait connaître les points distinctifs – mais cela tombe bien, l’examinateur ne vous demandait pas d’être aussi précis. Vous dites à haute voix “oiseau !”, à la satisfaction de l’examinateur, qui vous présente une nouvelle carte…

Revenons maintenant à l’Intelligence Artificielle, dans un exemple similaire de reconnaissance d’images. Avant de pouvoir soumettre une image à une caméra dirigée par un logiciel afin qu’il vous réponde “C’est un éléphant”, il est nécessaire de faire “apprendre” à ce logiciel ce qu’est un éléphant. Ainsi on lui présente beaucoup d’exemples non seulement d’éléphants, mais aussi d’autres animaux qu’il apprendra à distinguer. Cela nécessite un travail parfois fastidieux de capitalisation d’exemples et d’étiquetage pertinent de ces exemples afin de nourrir l’expérience de l’Intelligence Artificielle – expérience qui peut alors s’apparenter à l’expérience humaine de l’exemple précédent. Plus la base de données d’images est importante, plus l’expérience de la solution sera forte et plus on a de chance d’avoir des résultats précis. Car d’après cette expérience, le logiciel pourra conclure qu’il y a par exemple une probabilité de 85% que l’image soumise soit un chat, 10% que ce soit un chien et 5% que ce soit un lion – donc c’est un chat !

Mais pourquoi alors parler d’Intelligence Artificielle ? Si on codait un logiciel de reconnaissance d’image tel qu’on le faisait il y a quelques années, on aurait pu avoir par exemple des tests séquentiels de caractéristiques concrètes :

  • “a-t-il des ailes ?” non
  • “a-t-il quatre pattes ?” oui
  • “est-il gris ?” oui
  • “a-t-il une trompe ?” oui
  • “donc c’est un éléphant !”

Aujourd’hui, une Intelligence Artificielle mise en place pourrait être comparée à un cerveau simplifié et initialement vide. Le principe est alors d’entraîner les neurones de ce cerveau grâce à des liens mathématiques qui seront générés d’après une banque d’images qu’on soumettra à l’Intelligence Artificielle. Ces liens remplacent d’une certaine manière les caractéristiques concrètes du script déductif précédemment présenté (“a-t-il des ailes ?”, …) par des caractéristiques totalement abstraites. C’est là que c’est passionnant, car l’Intelligence Artificielle se fait sa propre interprétation uniquement mathématique des caractéristiques des images qui lui sont présentées – l’utilisation de la notion d’intelligence devient alors acceptable !

L’Intelligence Artificielle bénéficie d’un avantage indéniable : les machines actuelles peuvent absorber des données incommensurables. Et plus on l’alimente en exemples, plus son expérience sera pertinente. De surcroît, grâce aux avancées technologiques récentes, la puissance de ces machines permet des calculs de plus en plus complexes tout en étant rapides et efficaces, faisant d’elles des assistantes parfaites dans des situations précises nécessitant des réponses proches de l’instantané.

Comment utiliser l’IA dans le marketing, la communication et les médias ?

Les application sont infinies !

Grâce au Traitement Automatique du Langage Naturel (TALN ou NLP pour Natural Language Processing), il est possible d’analyser des textes dans un cadre donné afin d’aider le lecteur à mieux les comprendre, à découvrir des relations entre plusieurs textes d’après leur style et leur vocabulaire, de procéder à de la traduction automatique… Un exemple est la mise en place d’un chatbot sur un site internet. L’IA va analyser les phrases du client afin de comprendre le problème exprimé et va ensuite proposer une ou plusieurs solutions selon les thématiques abordées par le client. Cela permet de simplifier le travail du service clients qui ne prendra en charge que les problèmes spécifiques.

Il est de plus envisageable de mettre en place des assistances à la rédaction. Imaginez un journaliste en train de saisir un article. En temps réel, les thèmes principaux sont détectés afin de proposer des mots-clés qui amélioreront le référencement par les moteurs de recherche web. Des liens vers des archives, issus de l’analyse du texte, peuvent aussi être automatiquement proposés afin d’inviter le lecteur à aller plus loin sur le sujet. Le journaliste est ainsi assisté dans son travail – il peut être plus efficace et se concentrer sur la qualité de sa rédaction.

Toujours dans l’univers du contenu média, regardons maintenant l’usage qui en est fait par AlgoLinked. Passé l’étape de la rédaction, le but de l’outil est de proposer à ses clients une aide à la diffusion de communiqués de presse aux journalistes les plus à même d’être intéressés pour écrire sur le sujet. La solution se base non seulement sur la connaissance des domaines de spécialisation des journalistes, mais aussi sur une analyse sémantique de leurs articles qui permettra de faire automatiquement le rapprochement avec le communiqué de presse soumis à AlgoLinked. L’idée est de définir les thématiques de ces journalistes de façon totalement dynamique et plus précise que la simple catégorisation. Par exemple, la catégorie “Société” regroupe plus de mille quatre cents journalistes en France. Vous voulez diffuser un communiqué sur une association luttant pour l’égalité femmes-hommes, rentrant parfaitement dans le domaine “Société”. Contacter la totalité des journalistes du domaine “Société” serait une solution, mais contacter en priorité les journalistes qui ont déjà écrit des articles sur les inégalités et les discriminations est indéniablement plus efficace. C’est là qu’entre en scène le logiciel d’IA développé par QWAM Content Intelligence pour AlgoLinked en effectuant une analyse sémantique du communiqué de presse. L’expérience de l’Intelligence Artificielle mise en place est basée sur la capitalisation des articles rédigés par les journalistes. Les caractéristiques de chaque journaliste seront ainsi automatiquement basées sur leurs écrits. Grâce au rapprochement des thématiques du communiqué et des caractéristiques des journalistes, le logiciel est à même de proposer la liste de ceux qui seraient les plus intéressés par le communiqué. Ici, l’IA vient optimiser le temps humain pour permettre aux utilisateurs de se consacrer davantage à des tâches à fortes valeurs ajoutées telles que la réflexion contenu et leurs relations avec les journalistes.

Quel a été le plus gros challenge pour développer l’IA pour AlgoLinked ?

Comme expliqué précédemment, tout système utilisant une Intelligence Artificielle nécessite une base d’expérience conséquente… et donc de temps. La qualification d’un journaliste ne peut pas se faire sur un seul article. Or l’une des expertises de QWAM Content Intelligence est de récupérer en masse les contenus web. Avant le lancement de la plateforme, un travail de capitalisation d’articles a été effectué durant plusieurs mois, en les associant à leurs rédacteurs – travail qui continue encore aujourd’hui de par la mise en ligne quotidienne de nouveaux articles. Ainsi AlgoLinked référence trente mille journalistes qualifiés par plus de deux millions d’articles, soit environ 70 articles en moyenne par journaliste.

La mise en place de cette base a de plus nécessité un travail important de validation humaine, travail effectué par les ingénieurs de QWAM Content Intelligence. C’est une étape incontournable afin de s’assurer que la sélection automatique des journalistes soit la plus pertinente possible.

Le travail de test est un autre passage obligé de tout projet utilisant l’Intelligence Artificielle. Pour rendre la solution non seulement satisfaisante au niveau temps de réponse, mais aussi pertinente au niveau du classement des journalistes proposés, de nombreux tests conjugués d’AlgoLinked et de QWAM Content Intelligence furent nécessaires afin de faire cohabiter au mieux les différents paramètres. L’humain est donc une pièce importante de tout projet d’Intelligence Artificielle.

Faut-il avoir peur de l’IA ?

Nous avons vu plus tôt que les projets d’Intelligence Artificielle sont définis afin de répondre à un périmètre de situations donné. La montée en puissance de nos technologies lors de ces dix dernières années a permis de faire un bond considérable dans les techniques d’apprentissage machine, notamment grâce à des temps de calcul toujours plus réduits. C’est ainsi que votre GPS est de plus en plus efficace et vous donne des conseils de plus en plus précis. C’est ainsi qu’un monde avec des voitures autonomes semble de plus en plus réaliste. C’est ainsi que des ordinateurs peuvent battre les champions du monde d’échecs…

Néanmoins il ne faut pas s’inquiéter ! Le plus grand problème de l’Intelligence Artificielle réside dans son intitulé même, ayant soulevé beaucoup de fantasmes. La pop-culture nous a abreuvés de robots humanoïdes prenant soudainement conscience de leur condition d’esclaves et se révoltant contre leurs créateurs humains… N’ayez crainte : nous ne parlons aucunement de ce type d’intelligence là, heureusement ! Nous parlons bien d’automatisation, d’aide à la décision, dans un cadre bien défini.

Nous entrons donc dans une ère d’assistance de l’humain pour des tâches qui peuvent lui être fastidieuses, ainsi que d’aides à la décision… bref, des atouts pour l’humain qui pourra alors se concentrer sur des choses qui lui sont plus importantes.

 

 

Patrig Droumaguet Ingénieur big data IA Qwam AlgoLinkedAvant de rejoindre QWAM Content Intelligence en 2011, Patrig Droumaguet travaille en tant qu’ingénieur spécialisé dans le traitement de textes hétérogènes au sein d’IBM Global Services puis durant 10 ans en tant que freelance. Il développe des solutions d’aide à la rédaction : recherche et enrichissement d’entités nommées dans les articles, croisement automatique d’informations issues de différentes sources, liens vers des articles issus des archives… Cette expérience lui permet de développer la solution de veille Ask’n’Read qui devient la pierre angulaire de récupération et capitalisation de contenus web en masse à destination de différents projets d’Intelligence Artificielle de QWAM.

 

Leave a Comment

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

shares