Le traitement automatique du langage naturel (TALN) est une branche de l'intelligence artificielle (IA) portant sur la façon dont les logiciels peuvent << écouter >>, traiter et manipuler la langue. En d'autres termes, il s'agit de la capacité d'un programme informatique à comprendre le langage humain de la façon dont il est parlé.
Le concept du TALN est en réalité déjà familier à quiconque a déjà effectué une recherche sur un moteur dédié ou parlé à un assistant vocal comme Alexa. C'est ce qui permet aux services de recherche alimentés par l'IA de comprendre les demandes écrites ou parlées, puis d'y répondre. Techniquement, le traitement du langage naturel correspond à l'interprétation de tout ce qui peut être dit à un ordinateur et qui ne constitue pas un langage de programmation. Toutefois, les questions comportant de nombreux mots ou les recherches à longue traîne présentent aujourd'hui un défi et caractérisent la nouvelle limite du TALN.
Les approches actuelles du TALN sont << basées sur l'apprentissage profond, un aspect de l'IA qui étudie et utilise les motifs des données pour optimiser la compréhension par un programme [d'une langue au fil du temps] >>, selon l'article de Margaret Rouse sur le siteSearch Business Analytics. << Les modèles d'apprentissage profond nécessitent d'énormes quantités de données étiquetées sur lesquelles se former afin d'identifier des corrélations pertinentes. Or, assembler ce type de big data est l'un des obstacles majeurs auxquels le TALN doit actuellement faire face. >>
Au fil de l'évolution du traitement du langage naturel, l'éventualité d'une communication fluide et compréhensible entre les utilisateurs et leurs appareils se concrétise. Toutefois, la suppression des points de friction dans ce domaine a suscité des attentes plus élevées de la part des consommateurs en matière de recherche.
En quoi le TALN peut-il vous être utile ?
La technologie de TALN évolue à vitesse grand V. L'année 2019 a notamment vu une progression fulgurante suite à l'adoption de BERT, le nouveau modèle révolutionnaire de compréhension du langage naturel présenté par Google. Fin 2019, Google a intégré BERT à son algorithme de recherche, dans l'optique de mieux comprendre les requêtes longues et complexes.
Le comportement des utilisateurs s'adapte rapidement à ces avancées en matière de TALN. Ils formulent de plus en plus de demandes longues en langage naturel sur les moteurs de recherche. Au lieu de << docteur >> ou << généraliste >>, ils recherchent << docteur en médecine générale à proximité qui prend la carte Vitale >>, confiants dans la capacité des nouveaux algorithmes plus intelligents d'aujourd'hui à comprendre leur demande complexe et à fournir les résultats correspondants. Les consommateurs s'attendent désormais complètement à trouver les réponses à ce type de questions sur les moteurs de recherche.
Les demandes en langage naturel comprenant de nombreux mots sont particulièrement importantes, car elles expriment une intention élevée. Si l'on suit l'exemple ci-dessus, << docteur >> est un mot clé vague et concurrentiel, car rien n'indique ce que l'utilisateur cherche précisément. << Docteur en médecine générale à proximité qui prend la carte Vitale >>, en revanche, est très précis et exprime une intention claire. Cet internaute recherche un type de docteur en particulier, dans une ville précise, qui offre un service spécifique. Il est donc clairement dans l'optique de prendre un rendez-vous. Plus une demande comporte de mots, plus l'intention exprimée est élevée.
Dans ces moments où il exprime une intention élevée, le choix du consommateur se portera sur l'entreprise qui est prête à lui fournir une réponse. Les études montrent que 76 % des clients pensent qu'il est aujourd'hui plus facile que jamais de changer de prestataire, passant d'une marque à l'autre pour trouver l'expérience qui répondra à leurs attentes en matière de réponses. Si votre marque n'est pas en mesure de fournir des réponses directes et structurées aux questions formulées en langage naturel (que ce soit sur votre site Internet ou via des expériences de recherche tierces), alors vos clients se tourneront probablement vers vos concurrents, et vos taux de rétention ainsi que votre chiffre d'affaires chuteront.
Pour en savoir plus sur l'évolution des expériences de recherche des consommateurs, consultez notre e-bookLe parcours client commence par une question.
