Tout savoir sur la NLG ou génération automatique de texte

Qu’est-ce que la NLG ?

Définition de la Natural Language Generation

La NLG, traduit par génération automatique de texte en langage naturel en français, est un processus logiciel qui utilise le traitement du langage naturel (NLP) pour générer un contenu textuel écrit ou parlé. Cette solution se base sur l’utilisation de données structurées et non structurées.

Cette génération textuelle intelligente permet d’automatiser la chaîne de production de l’information en se basant sur l’apprentissage du langage humain par une machine (généralement appelé machine learning). Avec une supervision humaine et un approvisionnement de données, un programme NLG est capable de produire des textes en un temps record et de qualité égale à une rédaction par un être humain.

2 types de NLG : extractive VS abstractive

Il existe deux types de processus NLG : la génération textuelle extractive ou la génération textuelle abstractive.

L’approche NLG extractive prend un ensemble de contenus, identifie les points clés et extrait les phrases les plus représentatives. Un traitement des informations est ensuite effectué pour mettre bout à bout les extraits identifiés et générer un résumé du texte de base.

L’approche NLG abstractive crée un nouveau texte en commençant par identifier les concepts clés et informations importantes présents dans différentes sources de données, comme dans l’approche extractive. La différence c’est qu’au lieu de mettre bout à bout des extraits existants, la technologie abstractive génère de nouveaux contenus originaux pour refléter les idées maîtresses et transmettre intelligiblement les points clés de l’ensemble de données et d’informations de départ.

La NLG : une technologie en plein essor

Si l’on entend encore peut parler de NLG aujourd’hui, il est fort probable que cet acronyme gagne en popularité dans les prochaines années. En effet, cette technologie intelligente est à la fois synonyme de réduction des coûts, d’optimisation du temps et donc vecteur d’efficacité opérationnelle.

Le marché mondial de la NLG est jeune et en pleine expansion, tout comme les autres marchés des technologies de traitement du langage naturel comme la NLU ou la NLP.

Si l’on en croit les différentes prévisions, à l’horizon 2025, le marché de la Natural Language Generation bénéficiera d’une croissance annuelle de 20 à 40 % pour les différents acteurs, soit un total de plusieurs milliards de dollars.

Comment est utilisée la NLG ?

Étant donné que la NLG est capable de rassembler des données, en extraire les informations clés et créer un contenu résumant les idées principales, elle peut être utilisée dans de multiples secteurs. Tous les secteurs et métiers dans lesquels il est nécessaire de rédiger des rapports ou comptes-rendus basés sur des données peuvent profiter de cette solution intelligente.

Concrètement, les programmes NLG sont fréquemment utilisés dans les domaines sportifs et financiers. Dans ces secteurs, les valeurs numériques et statistiques d’un score ou d’un état financier sont renseignées, puis la machine génère un article qui décrit ces chiffres ou ces scores.

Cette génération de texte adaptive, intelligible et condensée permet de rendre les données quantitatives et structurées plus narratives. Les progrès de la NLP (Natural Language Processing) et de la NLU (Natural Language Understanding) ont ouvert la porte à l’introduction des processus NLG dans le monde de la gestion de l’expérience client.

Les clients obtiennent un service supplémentaire, qualitatif et personnalisé qui leur apporte des informations importantes sans effectuer la moindre démarche. Dans le milieu bancaire par exemple, les individus peuvent recevoir des rapports et commentaires sur leurs actifs, leurs opérations et leur budget.

Du côté de l’entreprise, la génération textuelle va de pair avec les tactiques d’analyse conversationnelle. L’analyse de millions de conversations avec les clients, sur les réseaux sociaux ou via les chatbots par exemple, peut être transformée en résumés clairs et concis générés par des machines dotées de NLG. Les points bloquants et aspects à optimiser sont mis en lumière pour que l’expérience client puisse encore être optimisée davantage.

Comment Clarabridge utilise la NLG ?

Les données non structurées peuvent poser de nombreux défis à la NLG. Il peut être difficile pour une machine de déterminer les informations les plus significatives à partir de grands ensembles de données.

Chez Clarabridge, nous adoptons une approche plus prescriptive et pratique de la NLG afin d’accomplir une narration plus humaine et significative autour de données non structurées.

En mélangeant des méthodes extractives et abstractives, la solution Clarabridge Automated Narratives offre un équilibre idéal entre pertinence et interprétabilité qui s’adapte aux besoins de votre entreprise et vous aide à optimiser votre programme CX.