1. Extraction des informations pertinentes à partir
de données non structurées
Les architectures de Deep Learning telles que BERT, SBERT et
les pipelines de traitement linguistique comme spaCy, intégrant la
reconnaissance d'entités nommées (NER), facilitent l'extraction
automatisée de données essentielles, notamment :
· L'identité du candidat
· Les diplômes et le niveau académique
· Les expériences professionnelles
antérieures
· Les compétences techniques (ex. : langages de
programmation, systèmes d'exploitation)
· Les langues maîtrisées
71
· Les certifications obtenues
Cette démarche permet de convertir des documents
textuels non standardisés en représentations structurées
exploitables par des systèmes décisionnels.
2. Évaluation sémantique de la pertinence
entre CV et offres d'emploi
La correspondance automatisée entre le profil d'un
candidat et les exigences d'un poste repose sur la vectorisation
sémantique des contenus textuels. Les modèles comme Sentence-BERT
(SBERT) transforment le CV et l'offre en vecteurs dans un espace latent
partagé. La mesure de similarité cosinus entre ces vecteurs
permet d'évaluer le degré de correspondance. Ce processus
constitue une étape essentielle dans la mise en oeuvre de
systèmes intelligents de recommandation et de
présélection.
2.3.6 Traitement automatique du langage naturel (NLP)
Le NLP pour Natural Language Processing ou Traitement du
Langage Naturel est une discipline qui porte essentiellement sur la
compréhension, la manipulation et la génération du langage
naturel par les machines. Ainsi, le NLP est réellement à
l'interface entre la science informatique et la linguistique. Il porte donc sur
la capacité de la machine à interagir directement avec l'humain.
[14]
À quelles problématiques répond le
NLP ?
Le NLP est terme assez générique qui recouvre un
champ d'application très vaste. Voici les applications les plus
populaires :
Ø Traduction automatique
Le développement d'algorithmes de traduction
automatique a réellement révolutionné la
manière dont les textes sont traduits aujourd'hui. Des applications,
telles que Google Translator, sont capables de
traduire des textes entiers sans aucune intervention humaine.
Le langage naturel étant par nature ambigu et variable, ces applications
ne reposent pas sur un travail de remplacement mot à mot, mais
nécessitent une véritable analyse et modélisation de
texte, connue sous le nom de Traduction automatique statistique (Statistical
Machine Translation en anglais) [14].
Ø Sentiment analysis
Aussi connue sous le nom de « Opinion
Mining », l'analyse des sentiments consiste
à identifier les informations subjectives d'un texte pour
extraire l'opinion de l'auteur [14].
À titre exemple, lorsqu'une marque lance un nouveau
produit, elle peut exploiter les commentaires recueillis sur les réseaux
sociaux pour identifier le sentiment positif ou négatif globalement
partagé par les clients.
De manière générale, l'analyse
des sentiments permet de mesurer le niveau de satisfaction des clients
vis-à-vis des produits ou services fournis par une entreprise ou un
organisme. Elle peut même s'avérer bien plus efficace que
des méthodes classiques comme les sondages [14].
En effet, si l'on rechigne souvent à passer du temps
à compléter de longs questionnaires, une partie
croissante des consommateurs partage aujourd'hui fréquemment leurs
opinions sur les réseaux sociaux. Ainsi, la recherche de textes
négatifs et l'identification des principales plaintes permettent
d'améliorer les produits, d'adapter la publicité et de
réduire le niveau d'insatisfaction des clients [14].
72
Ø Marketing
Les spécialistes du marketing utilisent également
le NLP pour rechercher des personnes étant susceptible d'effectuer un
achat [14].
Ils s'appuient pour cela sur le comportement des
internautes sur les sites, les réseaux sociaux et les
requêtes aux moteurs de recherche. C'est grâce à ce type
d'analyse que Google génère un profit non négligeable en
proposant la bonne publicité aux bons internautes. Chaque fois qu'un
visiteur clique sur une annonce, l'annonceur reverse jusqu'à 50 dollars
!
De manière plus générale, les
méthodes de NLP peuvent être exploitées
pour dresser un portrait riche et complet du marché existant, des
clients, des problèmes, de la concurrence et du potentiel de croissance
des nouveaux produits et services de l'entreprise.
Les sources de données brutes pour cette analyse
comprennent les journaux de ventes, les enquêtes et les médias
sociaux...
Ø Chatbots
Les méthodes NLP sont au coeur du
fonctionnement des Chatbots actuels. Bien que ces systèmes ne soient pas
totalement parfaits, ils peuvent aujourd'hui facilement gérer
des tâches standards telles renseigner des clients sur des
produits ou services, répondre à leurs questions, etc. Ils sont
utilisés par plusieurs canaux, dont l'Internet, les applications et les
plateformes de messagerie. L'ouverture de la plateforme Facebook
Messenger aux chatbots en 2016 a contribué à leur
développement [14].
Autres domaines d'application
· Classification de texte : cela
consiste à attribuer un ensemble de catégories
prédéfinies à un texte donné. Les
classificateurs de texte peuvent être utilisés pour organiser,
structurer et catégoriser à ensemble de textes.
· Reconnaissance de caractères :
Cela permet d'extraire, à partir de la reconnaissance
des caractères, les principales informations des
reçus, des factures, des chèques, des documents
de facturation légaux, etc.
· Correction automatique : la plupart
des éditeurs de texte sont aujourd'hui muni d'un correcteur
orthographique qui permet de vérifier si le texte contient des fautes
d'orthographe.
73
Figure 35 Quelques Domaines du nlp Parmi les
principales étapes, on retrouve :
· Nettoyage : Variable selon la source des
données, cette phase consiste à réaliser des tâches
telles que la suppression d'urls, d'emoji, etc.
· Normalisation des données:
o Tokenisation, ou découpage du texte en
plusieurs pièces appelés tokens. Exemple : «
Vous trouverez en pièce jointe le document en question » ; «
Vous », « trouverez », « en pièce jointe »,
« le document », « en question ».
o Stemming : un même mot peut se
retrouver sous différentes formes en fonction du genre (masculin
féminin), du nombre (singulier, pluriel), la personne (moi, toi, eux...)
etc. Le stemming désigne généralement le processus
heuristique brut qui consiste à découper la fin des mots dans
afin de ne conserver que la racine du mot. Exemple : « trouverez
» -> « trouv »
o Lemmatisation : cela consiste à
réaliser la même tâche mais en utilisant un vocabulaire et
une analyse fine de la construction des mots. La lemmatisation permet donc de
supprimer uniquement les terminaisons inflexibles et donc à isoler la
forme canonique du mot, connue sous le nom de lemme. Exemple : «
trouvez » -> trouver
o Autres opérations : suppression des
chiffres, ponctuation, symboles et stopwords, passage en minuscule.
Afin de pouvoir appliquer les méthodes de Machine
Learning aux problèmes relatifs au langage naturel, il est indispensable
de transformer les données textuelles en données
numériques. Il existe plusieurs approches dont les principales
sont les suivantes :
· Term-Frequency (TF) : cette
méthode consiste à compter le nombre d'occurrences des
tokens présents dans le corpus pour chaque texte.
74
· Chaque texte est alors représenté par un
vecteur d'occurrences. On parle généralement
de Bag-Of-Word, ou sac de mots en français.
Néanmoins, cette approche présente un
inconvénient majeur : certains mots sont par nature
plus utilisés que d'autres, ce qui peut conduire le modèle
à des résultats erronés.
· Term Frequency-Inverse Document Frequency
(TF-IDF) : cette méthode consiste à compter le
nombre d'occurrences des tokens présents dans le corpus pour
chaque texte, que l'on divise ensuite par le nombre d'occurrences total de ces
même tokens dans tout le corpus.
Dans le cadre de ce travaille nous avions utiliser le
modèle Sbert(paraphrase-multilingual-MiniLM-L12-v2) pour l'encodage de
texte et non (TF-IDF) ni
(TF)
| 
